CN103543107A - 基于机器视觉和高光谱技术的烟叶智能分级系统和方法 - Google Patents

Abstract

本发明公开了基于机器视觉和高光谱技术的烟叶智能分级系统和方法，包括灯箱主体、工业CCD、滤波片组件、暖光源组、聚氟乙烯参照白板和计算机，暖光源组安装于灯箱主体内，聚氟乙烯参照白板设置于灯箱主体内的底部，工业CCD和滤波片组件均设置于灯箱主体内的顶部，待测烟叶位于灯箱主体内的底部。本发明应用高速图像处理技术对采集到的烟叶图像进行处理，一次得到烟叶的几何形状特征、颜色特征、纹理特征和内部品质特征，设计结构简单稳定，实现了烟叶的智能分级，且分级速度很快，大大提高了烟叶分级的效率和客观性，统一了烟叶收购过程中的等级指标，提高等级纯净度，为卷烟工业更好使用烟叶提供保障，同时可提高分级效率，降低生产成本。

Description

基于机器视觉和高光谱技术的烟叶智能分级系统和方法

技术领域

本发明涉及一种烟叶分级系统，尤其涉及基于机器视觉和高光谱技术的烟叶智能分级系统和方法。

背景技术

中国是世界烟叶生产大国，烟叶分级是烟叶质量鉴定的一个过程，是农、商、工对烟叶价值评判的必须的一个环节。到目前为止，烟叶分级皆为人工进行，由于烟农分级技术差异较大，造成等级混乱、纯净度不高，因而造成烟叶收购过程中为烟叶价格造成纷争，同时为工业更好利用不同价值的烟叶造成困难。加之烟叶分级过程劳动强度大，投入劳力较多，因而分级成本高。

近年来，不少科研工作者和科研单位展开了烟叶自动分级方法的研究，大多数利用图像处理和色度学理论得到烟叶分级特征进行烟叶分级，这些特征很难包含烟叶的内部品质信息；也有部分利用高光谱成像技术或红外光谱分析的方法得到烟叶的内部品质特征，但却无法同时得到烟叶的几何形状等外部特征，且具有采集时间长、数据量大或损坏烟叶的缺点；郑州大学的发明专利《利用光谱和图像特征进行烟叶分级的方法》综合利用了图像处理和红外光谱分析方法，得到烟叶的外部特征和内部特征，能准确的划分烟叶等级，但其设备复杂、成本高，且光谱信息采样区域小否则扫描采集的时间长，不利于在线式的烟叶分级系统。

发明内容

本发明的目的就在于为了解决上述问题而提供基于机器视觉和高光谱技术的烟叶智能分级系统和方法。

本发明通过以下技术方案来实现上述目的：

本发明基于高光谱技术的烟叶智能分级系统，包括灯箱主体、工业CCD、滤波片组件、暖光源组、聚氟乙烯参照白板和计算机，所述暖光源组为多个灯泡组成并均匀分布于所述灯箱主体内的内壁上，所述聚氟乙烯参照白板设置于所述灯箱主体内的底部，所述工业CCD和所述滤波片组件均设置于所述灯箱主体内的顶部且所述滤波片组件的滤波片位于所述工业CCD的前端，所述工业CCD的信号传输端通过数据线与所述计算机的信号传输端连接，待测烟叶位于所述灯箱主体内的底部。

具体地，所述暖光源组的灯泡为4个。

本发明基于高光谱技术的烟叶智能分级方法，包括以下步骤：

(1)、挑选一批已知等级的烟叶样品，并将其分为两份，取一份烟叶样品建立模型；

(2)、采集烟叶样品的图像，储存到计算机上，即得到烟叶等级判断数据库；

(3)、通过标准烟叶样本的彩色图像信息和对应的等级，对采集好的模型进行训练，得到训练好的模型；

(4)、分析烟叶的红外窄波段灰度图像，根据数据处理结果对上一步得到的模型进行修正，得到最终模型；

(5)、取第二份烟叶样品作为待检样；

(6)、依次将待测烟叶送到灯箱主体内；

(7)、计算机自动控制工业CCD和滤波片组件，采集得到烟叶的彩色图像和红外窄波段灰度图像；

(8)、系统自动对烟叶图像处理，并根据步骤(4)中得到的模型对烟叶进行智能分级。

本发明的有益效果在于：

本发明是基于机器视觉和高光谱技术的烟叶智能分级系统和方法，与现有技术相比，本发明应用高速图像处理技术对采集到的烟叶图像进行处理，一次得到烟叶的几何形状特征、颜色特征、纹理特征和内部品质特征，设计结构简单稳定，实现了烟叶的智能分级，且分级速度很快，大大提高了烟叶分级的效率和客观性，统一了烟叶收购过程中的等级指标，提高等级纯净度，为卷烟工业更好使用烟叶提供保障，同时可提高分级效率，降低生产成本。

附图说明

图1是本发明所述基于机器视觉和高光谱技术的烟叶智能分级系统的结构示意图；

图2是本发明所述基于机器视觉和高光谱技术的烟叶智能分级方法的流程图。

图中：1-灯箱主体、2-工业CCD、3-滤波片组件、4-暖光源组、5-聚氟乙烯参照白板、6-待测烟叶、7-计算机。

具体实施方式

下面结合附图对本发明作进一步说明：

如图1所示：本发明基于高光谱技术的烟叶智能分级系统，包括灯箱主体1(灯箱主体内面均为黑色漫反射材质)、工业CCD2(可采集到在一定速度范围内匀速运动物体的高清图像，图像质量高，且能长时间连续工作，利于烟叶的实时在线自动分级)、滤波片组件3(包括滤波片及其机械连接运动装置)、暖光源组4、聚氟乙烯参照白板5(可对光源波动、CCD热噪声、震动等噪声进行补偿，保证了系统长时间连续运行的稳定性)和计算机7，灯箱主体1和暖光源组4两者保证了烟叶图像采集环境中光照的均匀性和颜色的饱和度，暖光源组4为多个灯泡组成并均匀分布于灯箱主体1内的内壁上，聚氟乙烯参照白板5设置于灯箱主体1内的底部，工业CCD2和滤波片组件3均设置于灯箱主体1内的顶部且滤波片组件3的滤波片位于工业CCD2的前端，工业CCD2的信号传输端通过数据线与计算机7的信号传输端连接，待测烟叶6位于灯箱主体1内的底部。暖光源组4的灯泡为4个。烟叶智能分级系统分别对可见光波段彩色图像和特征窄波段的灰度图像进行分析处理，首先进行图像预处理，具体包含降低图像噪声、减最小值、边缘增强、中值滤波、小波分析等方法中的一种或几种；其次对预处理后的图像进行分析，提取其中包含的烟叶特征信息，具体为，对可见光波段彩色图像处理，得到烟叶的外部特征，对红外窄带波段的灰度图像处理，得到烟叶的部分外部特征和内部品质特征。烟叶分级特征包括烟叶的几何形状特征、颜色特征和纹理特征等外部特征以及烟叶油分、成熟度等的内部特征，它们表征了烟叶的部位、颜色、成熟度、叶片结构、身份、油分、色度、长度、宽度、残伤与破损等烟叶特征，这也是烟叶分级的依据。其中，烟叶的几何形状包括烟叶的长度、宽度、长宽比、面积、周长等参数信息；颜色特征，具体烟叶的整体颜色，是通过工业CCD采集的烟叶图像各个像素点RGB的均值反映的，此处所述的各像素点不包括烟叶杂斑部分的像素；纹理特征具体包含了烟叶的脉络、杂斑等，很大程度上表征了烟叶的疏松度、成熟度含梗率和损伤等情况。烟叶等级判断数据库是在实验室中利用基于光谱仪的高光谱图像系统，通过主成分分析等方法得到几个特征波长，并利用机器视觉技术和模式识别算法对大量样品进行训练。为了提高分级结果的准确度，以及数据处理的速度，分级判断时采取以烟叶彩色图像为主，几个红外灰度图像为辅的方式，具体为，首先根据烟叶彩色图像的特征提取结果进行初步分级，然后根据红外图像的分析结果对烟叶的级别进行调整，即以烟叶的外部特征作为主特征进行分级，以其内部特征对分级结果微调。这种处理方式，提高了烟叶分级的准确度和速度，非常有利于在线式的烟叶分级系统。

如图2所示：本发明基于高光谱技术的烟叶智能分级方法，包括以下步骤：

(1)、挑选一批已知等级的烟叶样品，并将其分为两份(每份都含所有42个国家标准等级的烟叶)，取一份烟叶样品建立模型；

(2)、采集烟叶样品的图像(采用基于高光谱技术的烟叶智能分级系统采集烟叶样品的图像)，储存到计算机上，即得到烟叶等级判断数据库(样本烟叶的等级是由专业人员严格依据国家评定标准通过感官分析评定的。为了建立高效合理的训练模型，首先依据国家标准，并且根据大量优秀专业烟叶评级员的烟叶评级经验，得到烟叶各外部特征的优先权和初级权重，以此建立评判模型)；

(3)、通过标准烟叶样本的彩色图像信息和对应的等级，对采集好的模型进行训练，得到训练好的模型；

(4)、分析烟叶的红外窄波段灰度图像，根据数据处理结果对上一步得到的模型进行修正，得到最终模型；

(5)、取第二份烟叶样品作为待检样(为了检验所建模型和系统的烟叶分级精度和有效性)；

(6)、依次将待测烟叶送到灯箱主体内；

(7)、计算机自动控制工业CCD和滤波片组件，采集得到烟叶的彩色图像和红外窄波段灰度图像；

(8)、系统自动对烟叶图像处理，并根据步骤(4)中得到的模型对烟叶进行智能分级。

Claims (3)

1.一种基于机器视觉和高光谱技术的烟叶智能分级系统，其特征在于：包括灯箱主体、工业CCD、滤波片组件、暖光源组、聚氟乙烯参照白板和计算机，所述暖光源组为多个灯泡组成并均匀分布于所述灯箱主体内的内壁上，所述聚氟乙烯参照白板设置于所述灯箱主体内的底部，所述工业CCD和所述滤波片组件均设置于所述灯箱主体内的顶部且所述滤波片组件的滤波片位于所述工业CCD的前端，所述工业CCD的信号传输端通过数据线与所述计算机的信号传输端连接，待测烟叶位于所述灯箱主体内的底部。

2.根据权利要求1所述的基于机器视觉和高光谱技术的烟叶智能分级系统，其特征在于：所述暖光源组的灯泡为4个。

3.一种基于机器视觉和高光谱技术的烟叶智能分级方法，其特征在于，包括以下步骤：

(1)、挑选一批已知等级的烟叶样品，并将其分为两份，取一份烟叶样品建立模型；

(2)、采集烟叶样品的图像，储存到计算机上，即得到烟叶等级判断数据库；

(3)、通过标准烟叶样本的彩色图像信息和对应的等级，对采集好的模型进行训练，得到训练好的模型；

(4)、分析烟叶的红外窄波段灰度图像，根据数据处理结果对上一步得到的模型进行修正，得到最终模型；

(5)、取第二份烟叶样品作为待检样；

(6)、依次将待测烟叶送到灯箱主体内；

(7)、计算机自动控制工业CCD和滤波片组件，采集得到烟叶的彩色图像和红外窄波段灰度图像；

(8)、系统自动对烟叶图像处理，并根据步骤(4)中得到的模型对烟叶进行智能分级。

Images