CN104573736A - 一种基于双能感应的烟梗与烟叶精确识别的方法及系统 - Google Patents

Abstract

本发明公开了一种基于双能感应的烟梗与烟叶精确识别的方法及系统，在X射线成像部分采用双能探测结构，由于高能与低能射线对于不同的物质穿透性存在差异，在能级发生变化时，相应的灰度值也会有所变化。基于同一图像中烟叶和烟梗在不同能量等级的射线成像中灰度差异较大的特点，能够准确的将烟叶和烟梗区分开来，较大程度上避免了由于成像造成的识别误差，提高了烟叶和烟梗识别准确性；整个系统结构简单，在现有的识别系统基础上，只需加设一套能量X射线机构或者使用不同能量等级的感应线，成本低廉，易于实现，操作方便，具有较大的推广空间。

Description

一种基于双能感应的烟梗与烟叶精确识别的方法及系统

技术领域

本发明涉及烟梗与烟叶的识别，特别是一种基于双能感应的烟梗与烟叶精确识别的方法及系统。

背景技术

目前，烟叶流中烟梗检测与剔除技术已经在烟草行业内使用，但是现有技术中存在以下问题，在烟梗剔除过程中带出的烟叶过多，这主要是由两部分原因引起的，一是物料运动或者剔除过程中正常烟叶的带出，二是烟叶层数较多或者烟叶卷成一条时，在图像上得到的灰度值与烟梗的灰度值相近，造成算法上的误判，虽然可以用形状或者聚集方式进行进一步的判别，但是部分卷成条的烟叶在图像上和烟梗非常类似，仍然难以区别，造成误剔，最终导致烟梗剔除的带出率过大，因此最好可以在图像上精确的分别烟梗于烟叶层的像素信息，提高图像上的识别率，减少误判。

发明内容

本发明提供了一种基于双能感应的烟梗与烟叶精确识别的方法及系统，其目的在于，提高烟梗识别准确性，降低由于成像造成的识别错误率。

一种基于双能感应的烟梗与烟叶精确识别的方法，包括以下步骤：

步骤1：利用双能探测机构拍摄烟叶传送带上的烟叶图像，获得高能烟叶灰度图和低能烟叶灰度图；

所述高能烟叶灰度图和低能烟叶灰度图是指分别由高能探测机构和低能探测机构拍摄获得的图像；

【烟叶和烟梗分别在高能探测机构和低能探测机构的成像中具有灰度上的明显差异；】

步骤2：对高能烟叶灰度图或低能烟叶图进行图像分割，分割图像中的像素按照以下公式进行标记：

$g^{\&prime;}(x,y)=\left\{\begin{array}{cc}1;& g(x,y)<T_1\\ h(x,y)=g(x,y);& T_1\&le;g(x,y)\&le;T_2\\ 0;& g(x,y)>T_2\end{array}\right.$

其中，g(x，y)和g′(x，y)分别表示待分割的图像和分割以后的图像，T₁表示烟梗灰度分割阈值，T₂表示背景和烟叶灰度分割阈值；h(x，y)为待分割的图像中灰度值介于T₁和T₂之间的像素；

【根据阈值T₁和T₂，将图像灰度值较大的背景与薄烟叶层定义为0，将灰度值较小的烟梗像素定义为1，而在两者中间即可能是烟梗也可能是烟叶层的灰度仍就标记为h(x，y)；】

步骤3：获取像素h(x，y)分别在高能烟叶灰度图和低能烟叶灰度图中的灰度值，记为(m,n)_{(x，y)∈h(x，y)}；

步骤4：依据已训练好的烟叶像素高能、低能灰度查询表和烟梗像素高能、低能灰度查询表中，对(m,n)_{(x，y)∈h(x，y)}进行判断，若(m,n)_{(x，y)∈h(x，y)}∈A，则对应像素被标记为烟叶，若(m,n)_{(x，y)∈h(x，y)}∈B，则对应像素被标记为烟梗，完成相应像素的烟叶或烟梗的识别；

其中，所述烟叶像素高能、低能灰度查询表和烟梗像素高能、低能灰度查询表分别记为A和B，是通过对大量的高能烟叶灰度图和低能烟叶灰度图进行人工标记获得的同一像素的高能灰度值和低能灰度值，并对被标记为烟叶和烟梗的灰度值进行归类生成的查询表；

$A=\left[\begin{array}{cccc}(a_{11},b_{11})& (a_{12},b_{12})& ...& (a_{1i},b_{1i})\\ (a_{21},b_{21})& (a_{22},b_{22})& ...& (a_{2i},b_{2i})\\ .& .& & .\\ .& .& & .\\ .& .& & .\\ (a_{j1},b_{j1})& (a_{j2},b_{j2})& ...& (a_{\mathrm{ji}},b_{\mathrm{ji}})\end{array}\right],B=\left[\begin{array}{cccc}(c_{11},d_{11})& (c_{12},d_{12})& ...& (c_{1i},d_{1i})\\ (c_{21},d_{21})& (c_{22},d_{22})& ...& (c_{2i},d_{2i})\\ .& .& & .\\ .& .& & .\\ .& .& & .\\ (c_{j1},d_{j1})& (c_{j2},d_{j2})& ...& (c_{\mathrm{ji}},d_{\mathrm{ji}})\end{array}\right]$

其中，表A中每个元素中的a和b分别表示对于被标记为烟叶的像素点在高能烟叶灰度图和低能烟叶灰度图中灰度值；

表B中每个元素中的c和d分别表示对于被标记为烟梗的像素点在高能烟叶灰度图和低能烟叶灰度图中灰度值。

所述双能探测机构为在X射线源上具有高能与低能射线源，以及对应的探测器。

所述双能探测机构为一个X射线源和两条感应线，所述两条感应线包括高能感应线和低能感应线。

所述高能和低能是指能量分别为90kv和20kv。

一种基于双能感应的烟梗与烟叶精确识别的系统，基于所述的一种基于双能感应的烟梗与烟叶精确识别的方法，包括双能探测机构、图像分割单元、查表单元以及图像识别单元；

所述双能探测机构、图像分割单元、查表单元以及图像识别单元依次相连；

所述双能探测机构获取烟叶传送带的高能烟叶灰度图和低能烟叶灰度图，并将灰度图传输至图像分割单元；

所述图像分割单元完成对高能烟叶灰度图或低能烟叶灰度图中烟叶和烟梗的分割，并将分割结果输送至查表单元；

所述查表单元是依据分割结果从烟叶像素高能、低能灰度查询表和烟梗像素高能、低能灰度查询表中进行查表，对相应像素进行烟叶和烟梗的标记；

所述图像识别单元是依据查表单元的标记结果，对双能探测机构所获得的图像进行再次识别。

双能检测算法已经在医疗和其他领域使用，但是本发明与现有的双能算法不同，其他的双能算法都是将图像有层次的重构，这种重构的图像并不一定能准确的区分烟梗和烟叶层，而本发明中是将图像信息分为烟梗和烟叶两类，提高烟梗的识别精度，因此，本发明巧妙的运用双能算法完成对烟叶流图像智能的分类与识别。

有益效果

本发明提供了一种基于双能感应的烟梗与烟叶精确识别的方法及系统，在X射线成像部分采用双能探测结构，由于高能与低能射线对于不同的物质穿透性存在差异，在能级发生变化时，相应的灰度值也会有所变化。基于同一图像中烟叶和烟梗在不同能量等级的射线成像中灰度差异较大的特点，能够准确的将烟叶和烟梗区分开来，较大程度上避免了由于成像造成的识别误差，提高了烟叶和烟梗识别准确性；整个系统结构简单，在现有的识别系统基础上，只需加设一套能量X射线机构或者使用不同能量等级的感应线，成本低廉，易于实现，操作方便，具有较大的推广空间。

附图说明

图1为具有两个X射线源的探测机构结构示意图；

图2为具有一个X射线源和两条感应线的探测机构结构示意图；

图3为应用本发明所述系统的成像结果，其中，(a)为高能烟叶灰度图，(b)为低能烟叶灰度图；

图4为应用本发明所述双能探测机构和应用单能探测机构的识别结果对比图，其中，(a)为应用单能探测机构的识别结果图，(b)为应用本发明所述的双能探测机构的识别结果图。

具体实施方式

下面将结合附图和实施例对本发明做进一步的说明。

一种基于双能感应的烟梗与烟叶精确识别的方法，包括以下步骤：

步骤1：利用双能探测机构拍摄烟叶传送带上的烟叶图像，获得高能烟叶灰度图和低能烟叶灰度图；

所述高能烟叶灰度图和低能烟叶灰度图是指分别由高能探测机构和低能探测机构拍摄获得的图像，如图3所示；

【烟叶和烟梗分别在高能探测机构和低能探测机构的成像中具有灰度上的明显差异；】

步骤2：对高能烟叶灰度图或低能烟叶图进行图像分割，分割图像中的像素按照以下公式进行标记：

$g^{\&prime;}(x,y)=\left\{\begin{array}{cc}1;& g(x,y)<T_1\\ h(x,y)=g(x,y);& T_1\&le;g(x,y)\&le;T_2\\ 0;& g(x,y)>T_2\end{array}\right.$

其中，g(x，y)和g′(x，y)分别表示待分割的图像和分割以后的图像，T₁表示烟梗灰度分割阈值，T₂表示背景和烟叶灰度分割阈值；h(x，y)为待分割的图像中灰度值介于T₁和T₂之间的像素；

【根据阈值T₁和T₂，将图像灰度值较大的背景与薄烟叶层定义为0，将灰度值较小的烟梗像素定义为1，而在两者中间即可能是烟梗也可能是烟叶层的灰度仍就标记为h(x，y)；】

步骤3：获取像素h(x，y)分别在高能烟叶灰度图和低能烟叶灰度图中的灰度值，记为(m,n)_{(x，y)∈h(x，y)}；

步骤4：依据已训练好的烟叶像素高能、低能灰度查询表和烟梗像素高能、低能灰度查询表中，对(m,n)_{(x，y)∈h(x，y)}进行判断，若(m,n)_{(x，y)∈h(x，y)}∈A，则对应像素被标记为烟叶，若(m,n)_{(x，y)∈h(x，y)}∈B，则对应像素被标记为烟梗，完成相应像素的烟叶或烟梗的识别，如图4中的图(b)所示；

其中，所述烟叶像素高能、低能灰度查询表和烟梗像素高能、低能灰度查询表分别记为A和B，是通过对大量的高能烟叶灰度图和低能烟叶灰度图进行人工标记获得的同一像素的高能灰度值和低能灰度值，并对被标记为烟叶和烟梗的灰度值进行归类生成的查询表；

$A=\left[\begin{array}{cccc}(a_{11},b_{11})& (a_{12},b_{12})& ...& (a_{1i},b_{1i})\\ (a_{21},b_{21})& (a_{22},b_{22})& ...& (a_{2i},b_{2i})\\ .& .& & .\\ .& .& & .\\ .& .& & .\\ (a_{j1},b_{j1})& (a_{j2},b_{j2})& ...& (a_{\mathrm{ji}},b_{\mathrm{ji}})\end{array}\right],B=\left[\begin{array}{cccc}(c_{11},d_{11})& (c_{12},d_{12})& ...& (c_{1i},d_{1i})\\ (c_{21},d_{21})& (c_{22},d_{22})& ...& (c_{2i},d_{2i})\\ .& .& & .\\ .& .& & .\\ .& .& & .\\ (c_{j1},d_{j1})& (c_{j2},d_{j2})& ...& (c_{\mathrm{ji}},d_{\mathrm{ji}})\end{array}\right]$

其中，表A中每个元素中的a和b分别表示对于被标记为烟叶的像素点在高能烟叶灰度图和低能烟叶灰度图中灰度值；

表B中每个元素中的c和d分别表示对于被标记为烟梗的像素点在高能烟叶灰度图和低能烟叶灰度图中灰度值。

所述双能探测机构为在X射线源上具有高能与低能射线源，以及对应的探测器，如图1所示，其中，1为高能X射线源，2为高能X射线探测器，3为低能X射线源，4为低能X射线探测器。

所述双能探测机构为一个X射线源和两条感应线，所述两条感应线包括高能感应线和低能感应线，如图2所示，其中，5为高能感应线，6为低能感应线。

所述高能和低能是指能量分别为90kv和20kv。

一种基于双能感应的烟梗与烟叶精确识别的系统，基于所述的一种基于双能感应的烟梗与烟叶精确识别的方法，包括双能探测机构、图像分割单元、查表单元以及图像识别单元；

所述双能探测机构、图像分割单元、查表单元以及图像识别单元依次相连；

所述双能探测机构获取烟叶传送带的高能烟叶灰度图和低能烟叶灰度图，并将灰度图传输至图像分割单元；

所述图像分割单元完成对高能烟叶灰度图或低能烟叶灰度图中烟叶和烟梗的分割，并将分割结果输送至查表单元；

所述查表单元是依据分割结果从烟叶像素高能、低能灰度查询表和烟梗像素高能、低能灰度查询表中进行查表，对相应像素进行烟叶和烟梗的标记；

所述图像识别单元是依据查表单元的标记结果，对双能探测机构所获得的图像进行再次识别。

从图4中可以看出，图(b)的识别效果明显优于图4的图(a)识别效果；对于同一批烟梗，分别在单线和双能探测器条件下成像，得到的识别结果如下：

	识别个数	误判个数	总梗个数	识别率	误判率
						单线探测器	997	98	1036	96.2％	9.5％
双能探测器	1020	32	1036	98.5％	3.1％

从以上数据可以看出，将单能探测器改为双能探测器后，烟梗的识别率有小幅上升，但是将烟叶层误判为烟梗的误判率大大下降，因此利用双能结构以及本发明所述方法，可以有效的降低剔除过程中正常烟叶的带出率，达到精确剔除的效果。

Claims (5)

1.一种基于双能感应的烟梗与烟叶精确识别的方法，其特征在于，包括以下步骤：

步骤1：利用双能探测机构拍摄烟叶传送带上的烟叶图像，获得高能烟叶灰度图和低能烟叶灰度图；

所述高能烟叶灰度图和低能烟叶灰度图是指分别由高能探测机构和低能探测机构拍摄获得的图像；

步骤2：对高能烟叶灰度图或低能烟叶图进行图像分割，分割图像中的像素按照以下公式进行标记：

$g^{\&prime;}(x,y)=\left\{\begin{array}{cc}1;& g(x,y)<T_1\\ h(x,y)=g(x,y);& T_1\&le;g(x,y)\&le;T_2\\ 0;& g(x,y)>T_2\end{array}\right.$

其中，g(x，y)和g′(x，y)分别表示待分割的图像和分割以后的图像，T₁表示烟梗灰度分割阈值，T₂表示背景和烟叶灰度分割阈值；h(x，y)为待分割的图像中灰度值介于T₁和T₂之间的像素；

步骤3：获取像素h(x，y)分别在高能烟叶灰度图和低能烟叶灰度图中的灰度值，记为(m,n)_{(x，y)∈h(x，y)}；

步骤4：依据已训练好的烟叶像素高能、低能灰度查询表和烟梗像素高能、低能灰度查询表中，对(m,n)_{(x，y)∈h(x，y)}进行判断，若(m,n)_{(x，y)∈h(x，y)}∈A，则对应像素被标记为烟叶，若(m,n)_{(x，y)∈h(x，y)}∈B，则对应像素被标记为烟梗，完成相应像素的烟叶或烟梗的识别；

其中，所述烟叶像素高能、低能灰度查询表和烟梗像素高能、低能灰度查询表分别记为A和B，是通过对用于训练的高能烟叶灰度图和低能烟叶灰度图进行人工标记获得的同一像素的高能灰度值和低能灰度值，并对被标记为烟叶和烟梗的灰度值进行归类生成的查询表；

$A=\left[\begin{array}{cccc}(a_{11},b_{11})& (a_{12},b_{12})& ...& (a_{1i},b_{1i})\\ (a_{21},b_{21})& (a_{22},b_{22})& ...& (a_{2i},b_{2i})\\ .& .& & .\\ .& .& & .\\ .& .& & .\\ (a_{j1},b_{j1})& (a_{j2},b_{j2})& ...& (a_{\mathrm{ji}},b_{\mathrm{ji}})\end{array}\right],B=\left[\begin{array}{cccc}(c_{11},d_{11})& (c_{12},d_{12})& ...& (c_{1i},d_{1i})\\ (c_{21},d_{21})& (c_{22},d_{22})& ...& (c_{2i},d_{2i})\\ .& .& & .\\ .& .& & .\\ .& .& & .\\ (c_{j1},d_{j1})& (c_{j2},d_{j2})& & (c_{\mathrm{ji}},d_{\mathrm{ji}})\end{array}\right]$

其中，表A中每个元素中的a和b分别表示对于被标记为烟叶的像素点在高能烟叶灰度图和低能烟叶灰度图中灰度值；

表B中每个元素中的c和d分别表示对于被标记为烟梗的像素点在高能烟叶灰度图和低能烟叶灰度图中灰度值。

2.根据权利要求1所述的一种基于双能感应的烟梗与烟叶精确识别的方法，其特征在于，所述双能探测机构为在X射线源上具有高能与低能射线源，以及对应的探测器。

3.根据权利要求1所述的一种基于双能感应的烟梗与烟叶精确识别的方法，其特征在于，所述双能探测机构为一个X射线源和两条感应线，所述两条感应线包括高能感应线和低能感应线。

4.根据权利要求1-3任一项所述的一种基于双能感应的烟梗与烟叶精确识别的方法，其特征在于，所述高能和低能是指能量分别为90kv和20kv。

5.一种基于双能感应的烟梗与烟叶精确识别的系统，其特征在于，基于权利要求1-4任一项所述的一种基于双能感应的烟梗与烟叶精确识别的方法，包括双能探测机构、图像分割单元、查表单元以及图像识别单元；

所述双能探测机构、图像分割单元、查表单元以及图像识别单元依次相连；

所述双能探测机构获取烟叶传送带的高能烟叶灰度图和低能烟叶灰度图，并将灰度图传输至图像分割单元；

所述图像分割单元完成对高能烟叶灰度图或低能烟叶灰度图中烟叶和烟梗的分割，并将分割结果输送至查表单元；

所述查表单元是依据分割结果从烟叶像素高能、低能灰度查询表和烟梗像素高能、低能灰度查询表中进行查表，对相应像素进行烟叶和烟梗的标记；

所述图像识别单元是依据查表单元的标记结果，对双能探测机构所获得的图像进行再次识别。