[發明專利]一種初烤煙葉青筋煙自動識別方法及青筋煙檢測報警系統

有效

• 申請號: 201910233421.1
• 申請日: 2019-03-26
• 公開（公告）號: CN109948631B
• 公開（公告）日: 2019-11-05
• 發明（設計）人: 傅傳德;許清強;孫靖;徐宗宗;程學青;郭永良;張偉;李軍;趙文彩;鄭磊;傅云龍;孫曉良;李培云;高峰
• 申請（專利權）人: 山東山大新元易通信息科技有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06T5/00;H04N5/225;A24B3/10
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 黃海麗

1.一種初烤煙葉青筋煙自動識別方法，其特征在于，包括以下步驟：

通過照明成像設備采集待測煙葉圖像；

將圖像由RGB空間轉換為HSI空間，通過高斯濾波對圖像進行增強；

將所述待測煙葉增強圖像劃分為大小相等的多個圖像塊；

對于每個圖像塊：

分別根據青筋的特征閾值區間，識別所有落入該特征閾值區間的像素；

對識別出的像素進行連續性檢測；

若存在連續像素，且連續的像素數目超過一定閾值，判定該圖像塊中存在青筋；

根據所有圖像塊青筋的識別結果，判斷所述待測煙葉圖像是否存在青筋。

2.如權利要求1所述的一種初烤煙葉青筋煙自動識別方法，其特征在于，照明成像設備滿足如下要求：

采用標準光源模擬自然光照明，色溫：5500—6000k，照度：自然散射光3000—10000Lx，人工模擬自然光2000±200Lx；

煙葉擺放工作臺面顏色為灰色或白色，無明顯反光；

成像設備采用1600萬像素高色彩還原度網絡相機，相機安裝于取景區正上方，距離工作臺面高度0.8-1米。

3.如權利要求1所述的一種初烤煙葉青筋煙自動識別方法，其特征在于，青筋特征閾值區間的獲取方法為：

將N片青筋煙葉片展平，通過照明成像設備依次采集圖像，每幅圖像一個葉片；

將N幅圖像分別做如下處理：

人工識別并截取圖像中葉片青筋位置的模板圖像，并確保截取模板中的煙筋全部為青筋，將此作為樣品圖像；

將樣本圖像由RGB空間轉換至HSI空間，通過高斯濾波對圖像進行增強；

對增強后的圖像進行邊緣檢測，識別出葉脈；

對增強后葉脈所有像素點的H分量值按照大小排序，去掉其中5％的最大值和5％的最小值，剩余部分中，選取20％數值較大的H分量值并計算幾何平均值，標記為HM_T，選取20％數值較小的H分量值并計算幾何平均值，標記為HL_T；

求取上述N片青筋煙樣品HM_T的平均值標記為HM，求取上述N片青筋煙樣品HL_T的平均值標記為HL，將HM和HL作為青筋特征閾值區間。

4.如權利要求1所述的一種初烤煙葉青筋煙自動識別方法，其特征在于，所述對識別出的像素進行連續性檢測包括：

對識別出的像素根據坐標位置進行聚類，聚類規則為：一個類簇中每相鄰兩個點之間的距離小于第一設定閾值，將像素數量小于第二設定閾值的類簇刪除；

對于剩余的類簇，分別針對其中的像素點提取線特征：首先基于K-L變換計算數據點分布的主軸方向，然后生成以主軸方向為斜率過中心坐標點生成該類簇的線特征；

對該圖像塊所有的線特征兩兩之間進行共線性判斷，判斷規則為：分別屬于兩個線特征的兩端點之間距離小于第三設定閾值，兩個線特征之間的夾角小于第四設定閾值，將共線的線特征進行合并；

對共線的線特征合并后，對該圖像塊中所有線特征相應的滿足特征閾值區間的像素個數進行統計，若存在某個線特征相應的像素個數大于第五設定閾值，則認為該圖像塊存在青筋。

5.一種初烤煙葉青筋煙自動識別系統，其特征在于，包括：

照明成像模塊，采集待測煙葉圖像；

青筋特征閾值區間生成模塊，通過對多個青筋煙樣品圖像進行分析提取青筋特征；

圖像分塊模塊，將所述待測煙葉圖像劃分為大小相等的多個圖像塊；

青筋識別模塊，對于每個圖像塊：

分別根據青筋的特征閾值區間，識別所有落入該特征閾值區間的像素；

對識別出的像素進行連續性檢測；

若存在連續像素，且連續的像素數目超過一定閾值，判定該圖像塊中存在青筋；

根據所有圖像塊青筋的識別結果，判斷所述待測煙葉圖像是否存在青筋。

6.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1-4任一項所述青筋煙自動識別方法。