CN105787944A - 一种基于工业相机的铺叶台摆把监控装置及监控方法 - Google Patents
一种基于工业相机的铺叶台摆把监控装置及监控方法 Download PDFInfo
- Publication number
- CN105787944A CN105787944A CN201610123967.8A CN201610123967A CN105787944A CN 105787944 A CN105787944 A CN 105787944A CN 201610123967 A CN201610123967 A CN 201610123967A CN 105787944 A CN105787944 A CN 105787944A
- Authority
- CN
- China
- Prior art keywords
- nicotiana tabacum
- image
- leaf
- paving leaf
- grid
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012544 monitoring process Methods 0.000 title abstract description 10
- 238000012806 monitoring device Methods 0.000 title abstract 2
- 235000002637 Nicotiana tabacum Nutrition 0.000 claims abstract description 165
- 244000061176 Nicotiana tabacum Species 0.000 claims description 160
- 238000002372 labelling Methods 0.000 claims description 34
- 239000011159 matrix material Substances 0.000 claims description 34
- 210000000746 body region Anatomy 0.000 claims description 29
- 238000009826 distribution Methods 0.000 claims description 25
- 230000004075 alteration Effects 0.000 claims description 17
- 239000000284 extract Substances 0.000 claims description 9
- 230000001788 irregular Effects 0.000 claims description 8
- 238000011946 reduction process Methods 0.000 claims description 7
- 238000003892 spreading Methods 0.000 claims description 7
- 230000007480 spreading Effects 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 4
- 230000002950 deficient Effects 0.000 claims description 3
- 238000007789 sealing Methods 0.000 claims description 3
- 238000012797 qualification Methods 0.000 abstract description 7
- 241000208125 Nicotiana Species 0.000 abstract description 5
- 238000000605 extraction Methods 0.000 abstract description 5
- 238000005520 cutting process Methods 0.000 abstract description 2
- 230000001105 regulatory effect Effects 0.000 abstract 1
- 238000010009 beating Methods 0.000 description 3
- 235000019504 cigarettes Nutrition 0.000 description 3
- 238000004040 coloring Methods 0.000 description 2
- 240000004859 Gamochaeta purpurea Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
Abstract
本发明公开了一种基于工业相机的铺叶台摆把监控装置及监控方法。所述监控方法包括以下步骤:步骤(1)在铺叶台上用数字、字母或文字来标记铺叶区域,标记的方法为把输送带平均分为若干个格子,在每个格子的其中一个斜上角以及与其对应的斜下角标记小数字、字母或文字,在每个格子的中间区域标记大数字、字母或文字;铺叶前后,分别基于在线工业相机实时获取每个格子的图像;步骤(2)根据工业相机采集的图像,评价该每个格子区域的烟叶摆把规整性,分析铺叶结果。本发明将特征提取、图像识别、颜色的提取与统计学结合在一起,为铺叶规整性的实时定量判断提供了一种科学快速的方法,为规范铺叶、提高烟叶切把的合格率提供了有效的解决方案。
Description
技术领域
本发明属于烟叶铺叶技术领域,尤其涉及一种基于工业相机的铺叶台摆把监控装置及监控方法。
背景技术
铺叶是打叶复烤自原烟仓库之后的重要一环,其主要的作用一方面在于配方打叶的物理配比的控制;另一方面在于,铺叶的规整控制利于原烟的切把;在配方打叶领域,往往会遇到较多的原烟等级,加上工业自身的工业分级,使得常规的分选后的烟叶等级可以多达40种之上,在传统的铺叶模式下,由于任务量比较大,原烟在麻包内摆放不是很规整,以及在管理上不能量化要求,使得经常在铺叶环节的摆把上产生如下的现象(1)铺叶时间不均匀;(2)铺叶倾斜;(3)铺叶比较凌乱;造成了部分的把头没有切掉以及部分烟叶混入了把头里面,降低了烟叶的利用率。
针对现有的铺叶模式,还未有合适的铺叶监控方法实时监控铺叶的摆把状态,测算摆放烟叶的合格率等量化标准。
发明内容
针对现有技术的不足,本发明提供一种基于工业相机的铺叶台摆把监控装置及监控方法。本发明从工业相机拍摄的图像中提取烟叶的物理特征信息以及颜色信息,来监控铺叶台上的烟叶摆放是否规整,测算摆放烟叶的合格率。
本发明的技术方案如下:一种基于工业相机的铺叶台摆把监控方法,包括以下步骤:
步骤(1)在铺叶台上用数字、字母或文字来标记铺叶区域,标记的方法为把烟叶输送带平均分为若干个格子,在每个格子的其中一个斜上角及其对应的斜下角标记小数字、字母或文字,在每个格子的中间区域标记大数字、字母或文字;数字、字母或文字的颜色与输送带、烟叶的颜色有明显区别,铺叶前后,以输送带的边缘作为基准线,分别基于在线工业相机实时获取每个格子的图像;
一般来说,烟叶输送带有几十米,将输送带平分成若干个格子,每个格子的长度为600~1000mm,可以根据实际情况调整格子的长度。每个格子上可以标记不同的数字、字母或文字,也可以取M个数字、文字或字母,然后在输送带的每个格子上分别依次标记,比如采用5个数字进行标记,在输送带每个格子上依次标记1234512345…,直至输送带上的格子标记完成;标记方式也可根据实际操作方便而设定;然后把不同的标记区域分配给相应的操作员,因此可以把烟叶摆放的位置与具体的操作员进行关联上,进而能够评价每个操作员铺叶的规范性,提高铺叶的规整性。
步骤(2)计算机对工业相机采集的图像进行图像处理,识别铺叶后烟叶所在的格子区域对应的数字、字母或文字标记,识别烟叶的主体区域以及主体区域中烟叶摆把的倾角,识别烟叶的色差分布,评价该每个格子区域的烟叶摆把规整性,分析铺叶结果,最后保存原始图像以及分析结果,可以按照班次统计铺叶的合格率,也可以按照铺叶类型统计分析每个班次的合格率,也可以按照铺叶区域的标记统计的合格率,最后生成铺叶日志及报表。
识别铺叶后烟叶所在的格子区域对应的数字、字母或文字标记:
铺叶前,抓取每个格子的图像,依次采用工业相机把每个格子的图像保存;然后定位到每个格子(i)斜上角或斜下角的标记区域,标记区域所在图像上的像素区域为[a1:a2,b1:b2],如图1所示,a1,a2,b1,b2为标记区域的坐标值,将标记区域的图像进行滤波降噪处理,获取图像的RGB空间矩阵,然后进行灰度处理,得到灰度矩阵定义为MI(i),i=1,2,3,…,n,n为格子总数;
铺叶后抓取烟叶所在格子的图像,取出对应[a1:a2,b1:b2]像素区域的标记区域,将该标记区域的图像进行滤波降噪处理,获取图像的RGB空间矩阵,然后进行灰度处理;得到灰度矩阵记为TI;
定义σ为图像矩阵的相似度,计算
σ(i)=||TI-MI(i)||
=sqrt(Sum(sum((TI-MI(i)).*(TI-MI(i)))))(1)
最小σ值所对应的i即为铺叶后抓取图像的格子的序号,即识别出铺叶后烟叶所在的格子区域对应的数字、字母或文字标记。
烟叶主体区域的识别:通过图像的色彩分割获取烟叶所在的图片区域,对烟叶所在的图片区域进行滤波去除噪声,获取图像的RGB空间矩阵,然后进行灰度处理和二值化处理,得到灰度矩阵G;
根据灰度矩阵G得到每个格子区域图像的连通关系;并计算每个格子的图像中烟叶连通区域的面积,寻找最大区域面积A1与次大区域面积A2,剔除其它小块的面积;
如果A1≥70%,则A1为烟叶的主体区域,代表整体烟叶的铺叶方向;
如果A1≥50%,A2≥30%,则这两个区域为烟叶的主体区域,分别代表着烟叶的铺叶方向;
如果A1<50%,则烟叶铺叶的方向十分零散,不规整;
烟叶摆把倾角的计算:根据灰度矩阵G识别烟叶主体区域后,提取烟叶主体区域的轮廓信息,提取轮廓信息的骨骼中心线,根据提取的骨骼中心线数据,运用MCCV(蒙特卡洛交叉验证)剔除异常点,根据PLS(偏最小二乘)进行线性拟合;根据拟合的数据,计算拟合线与铺叶输送带边缘的夹角,该夹角即为烟叶摆把的倾角。
识别烟叶的色差分布:将铺叶后的每个格子的图像进行滤波去除噪声,获取图像的RGB空间矩阵,再进行灰度处理,按照灰度等级从小到大进行排序,选取小于P%的灰度数据,P的阈值的根据烟梗所占整个烟叶的比例确定,计算小于P%的灰度数据的空间分布距离;采用去头截尾的办法计算空间分布距离的平均值;从而得到二值图,根据二值图可直接判别出烟梗和烟叶色差分布;并计算深色颜色分布点距离输送带垂直距离占图像长度的百分比;
铺叶的规整性评价:如果铺叶倾角为90±10度,烟叶把头方向颜色下深上浅为铺叶标准且规整;颜色下浅上深为铺叶标准但不规整;如果铺叶倾角不在90±10度范围内,烟叶把头方向颜色下深上浅为铺叶不标准,但规整,颜色下浅上深为铺叶不标准且不规整;如果深色颜色分布离开输送带摆把侧的垂直距离超过该方向边框长度的10%,则判定铺叶较为凌乱,不合格。
本发明通过工业相机获取铺叶台上方的图像数字等,通过摆把的烟叶图像的色彩空间来判别烟叶主体摆把的倾角以及烟叶色差的分布区域;具体地,在实际的生产线的识别过程中,首先获取现场每个格子所有烟叶的图像,对图像进行预处理,去噪,滤波,提取烟叶图像的颜色信息,对滤波后的图像数据进行物理特征信息的提取,然后运用矩阵的相似性来识别摆放烟叶的位置信息;根据图像中联通区域的识别,来定位到主体的摆放烟叶,以及摆放烟叶的角度;根据原始图像的色彩空间的颜色深浅,来识别深色颜色区域的分布来判别烟叶摆放是否凌乱;并结合管理规范,形成具体工位的铺叶考核系统。
本发明还提供一种基于工业相机的铺叶台摆把监控装置,所述监控装置包括铺叶台、位于铺叶台上方的工业相机以及计算机;
所述铺叶台为白色或乳白色的烟叶运输带,烟叶运输带上采用数字、字母或文字来标记铺叶区域,把烟叶输送带平均分为若干个格子,在每个格子的其中一个斜上角以及与其对应的斜下角标记小数字、字母或文字,在每个格子的中间区域标记大数字、字母或文字;数字、字母或文字的颜色明显区别于烟叶输送带和烟叶的颜色;校正好工业相机,铺叶前后,以烟叶输送带的边缘作为基准线,实时获取烟叶输送带每个格子上的图像;工业相机拍摄图像后通过有线或无线的方式发送到计算机中,由计算机处理后评价铺叶的规整性。
所述铺叶区域上标记的数字、字母或文字是在烟叶输送带制作过程中通过有色橡胶热合在输送带表面。
所述工业相机位于烟叶输送带上方的支架上,距烟叶输送带的距离为1200~1800mm。
本发明从图像上来解决烟叶摆把不规范的问题,由于输送带的背景是白色或乳白色,与烟叶的橘黄区域有较大的色彩差别,因此烟叶的主体区域的摆放是否规整可以从图像上识别出来。对于烟叶自身而言,由于烟梗颜色较烟叶主体色域颜色偏深,因此可以进一步定位到烟叶的把头的方向;事先在白色输送带上用红色数字(字母、文字均可)标记好区域,把每个区域分配给不同的操作员,因此可以把烟叶摆放的位置与具体的操作员进行关联上,能够评价每个操作员铺叶的规范性,为进一步运用工业图像来监控摆把的规范性提供了必要的应用条件以及理论依据。
与现有技术相比,本发明具有以下有益效果:本发明将特征提取、图像识别、颜色的提取与统计学结合在一起,为铺叶规整性的实时定量判断提供了一种科学快速的方法,为规范铺叶、提高烟叶切把的合格率提供了有效的解决方案。
附图说明
图1为标记区域的像素区域坐标图;
图2为所述基于工业相机铺叶监控的装置图;
图3为烟叶输送带的铺叶区域图;
图4为烟叶主体区域中烟叶摆把倾角计算图;
图5为烟叶主体区域的色差分布图;
图6为所述基于工业相机的铺叶台监控方法的流程图;
图7为工业相机在铺叶现场捕捉到的原始烟叶图片;
图8为通过图像色彩分割获取烟叶所在的图片区域图;
图9为根据灰度矩阵得到的烟叶的图片区域图;
图10为烟叶的连通区域图;
图11为提取烟叶主体区域中连通区域的骨骼数据图;
图12为拟合曲线图;
图13为烟叶主体区域的色差分布图;
图14为色差分布与输送带的像素距离的分布图;
图中标记:1-烟叶运输带(铺叶台),2-工业相机,3-支架,4-铺叶区域,5-烟叶,6-烟叶运输带边缘。
具体实施方式
下面结合附图和具体实施例对本发明的技术方案做进一步详细说明。
以下实施例采用的基于工业相机的铺叶台摆把监控装置如图2所示,所述监控装置包括铺叶台、工业相机2及计算机;
铺叶台为白色的烟叶运输带1,烟叶运输带1上采用数字(1~8)来标记铺叶区域4,标记方式如图3所示,即把铺叶输送带1平均分为若干个格子,8个格子为一组,在每个格子的其中一个斜上角及其对应的斜下角标记红色小数字,在每个格子的中间区域标记红色大数字;校正好工业相机,铺叶前后,以烟叶输送带的边缘作为基准线,实时获取烟叶输送带每个格子上的图像,工业相机拍摄图像后通过有线或无线的方式发送到计算机中,由计算机处理后评价铺叶的规整性。工业相机2位于烟叶运输带1上方的支架3上,距烟叶输送带的距离为1500mm;
铺叶区域上标记的数字在烟叶输送带1制作过程中通过有色橡胶热合在烟叶输送带表面。
实施例1
步骤(1)铺叶前后,以烟叶输送带的边缘作为基准线,分别基于在线工业相机实时获取每个格子的图像;
步骤(2)计算机对工业相机采集的图像进行处理,识别铺叶后烟叶所在的格子区域对应的数字标记,识别烟叶主体区域以及主体区域中烟叶摆把的倾角,识别烟叶的色差分布,评价该每个格子区域的烟叶摆把规整性,分析铺叶结果,最后保存原始图像以及分析结果,生成铺叶日志及报表,操作流程图如图6所示。
识别铺叶后烟叶所在的格子区域对应的数字标记:
铺叶前,抓取每个格子的图像,依次采用工业相机把每个格子的图像保存;然后定位到每个格子斜上角的标记区域(见图2或图3),标记区域所在图像上的像素区域为[a1:a2,b1:b2](如图1所示,a1,a2,b1,b2为标记区域的坐标值),将标记区域的图像进行滤波降噪处理,获取图像的RGB空间矩阵,然后进行灰度处理,得到灰度矩阵定义为MI(i),i=1,2,3,…,n,n为格子总数;
注:图1中,横坐标x为输送带垂直方向,纵坐标y为输送带运输方向,a1b2-a1b1表征的是皮带边缘线(靠近铺叶处),a1b2-a2b2表征的是皮带上的工位红线;
铺叶后抓取烟叶所在格子的图像,取出对应[a1:a2,b1:b2]像素区域的标记区域,将该标记区域的图像进行滤波降噪处理,获取图像的RGB空间矩阵,然后进行灰度处理;得到灰度矩阵记为TI;
定义σ为图像矩阵的相似度,计算
σ(i)=||TI-MI(i)||
=sqrt(Sum(sum((TI-MI(i)).*(TI-MI(i)))))(1)
最小σ值所对应的i即为铺叶后抓取图像的格子的序号,即识别出铺叶后烟叶所在的格子区域对应的数字标记,求得抓取的图片的数字序号8。
烟叶主体区域的识别:通过图像的色彩分割获取烟叶所在的图片区域,对烟叶所在的图片区域进行滤波去除噪声,获取图像的RGB空间矩阵,然后进行灰度处理和二值化处理,得到灰度矩阵G;
根据灰度矩阵G来判别每个像素坐标点周围是否有相同灰度的数据分布,具体的而言就是遍历标记图像,按标记图像的像素值索引标记集合,找到标记集合中代表当前集合最小的值赋值给原图像当前位置的像素得到烟叶每个格子区域图像的连通关系;并计算每个格子的图像的烟叶连通区域的面积,寻找最大区域面积A1与次大区域面积A2,剔除其它小块的面积;
在本实施例中,A1<50%,烟叶铺叶是方向十分零散,不规整;
烟叶摆把倾角的计算:根据灰度矩阵G识别烟叶主体区域后,提取烟叶主体区域的轮廓信息,提取轮廓信息的骨骼中心线,根据提取的骨骼中心线数据,运用MCCV剔除异常点,根据PLS进行线性拟合;根据拟合的数据,计算拟合线与铺叶输送带边缘的夹角,该夹角即为烟叶摆把的倾角,计算倾角为32度,如图4示,图中从左至有依次为根据灰度矩阵得到的烟叶的主体区域图、烟叶的连通区域图、拟合曲线图;
其中计算倾角的方法具体为:
设y为因变量(输送带运输方向像素点坐标),x为自变量(输送带垂直方向像素点坐标),多元线性回归的理论模型为
y=β0+β1x;
运用PLS来求解系数[β0,β1]
然后根据如下的公式来计算拟合线与X轴(主体烟叶与输送带垂直方向的夹角)计算公式为:如果β1>0,倾角
q1=atan(β1)*180/3.145926;,如果β1<0,倾角为
q1=atan((β1))*180/3.145926+180;最后计算与皮带方向的夹角在90±10度都可视为垂直于皮带;
识别烟叶的色差分布:将铺叶后的每个格子的图像进行滤波去除噪声,获取图像的RGB空间矩阵,再进行灰度处理,按照灰度等级从小到大进行排序,选取小于P%的灰度数据,P的阈值的根据烟梗所占整个烟叶的比例确定,计算小于P%的灰度数据的空间分布距离;采用去头截尾的办法计算空间分布距离的平均值;从而得到二值图,根据二值图可直接判别出烟梗和烟叶色差分布(对于烟叶自身而言,烟梗颜色较烟叶主体色域颜色偏深),并计算深色颜色分布点距离输送带垂直距离占图像长度的百分比;色差分布图如图5所示,图中深色区域为烟梗所在位置,本实施例中P%的取值为10%。
铺叶的规整性评价:烟叶主体区域的烟叶摆把倾角为32度,深色颜色分布离开输送带摆把侧的垂直距离超过该方向边框长度的10%,判定为铺叶较为凌乱,不合格。
实施例2
工业相机在铺叶现场捕捉到的原始烟叶图片,如图7所示。对原始图像进行分割处理得到斜上角的数字标记区域,对数字标记区域进行滤波降噪处理,获取图像的RGB空间矩阵,然后进行灰度处理。
根据以下公式识别数字标记,
σ(i)=||TI-MI(i)||
=sqrt(Sum(sum((TI-MI(i)).*(TI-MI(i)))))(1)
最小σ值所对应的i即为铺叶后抓取图像的格子的序号,即识别出铺叶后烟叶所在的格子区域对应的数字标记,求得抓取的图片的数字序号,数字序号为6。
通过图像的色彩分割获取烟叶所在的图片区域,如图8所示,对烟叶所在的图片区域进行滤波去除噪声,获取图像的RGB空间矩阵,然后进行灰度处理和二值化处理,得到灰度矩阵G;根据灰度矩阵G得到烟叶的区域图,如图9所示,对烟叶的区域图进行填充后,得到烟叶的连通区域图,如图10所示,
通过连通区域的计算得知连通区域的个数为1;因此其连通区域就是烟叶的主体区域。
提取烟叶主体区域中连通区域的骨骼数据,结果如图11所示。
根据烟叶主体区域的骨骼数据,剔除异常样本,运用PLS方法来拟合主体烟叶的拟合曲线,曲线图如图12所示。
拟合系数为:Beta=[0.0261262461931221116.397183657460]
根据倾角计算公式倾角为atan((Beta1))*180/3.145926=1.789度(与X轴);
拟合线与输送带方向的夹角为90-1.789=88.211度;
根据烟叶所在的区域计算烟叶的色差;选取P%=10%,色差分布图如图13所示,图中深色区域为烟梗所在位置。
色差分布与输送带的像素距离分布图如图14所示,计算深色颜色分布点距离输送带垂直距离平均值为:124.48像素;占图像长度的百分比为128/634=20.19%,其中(634为图像的长度,单位为像素);深色颜色分布离开输送带摆把侧的垂直距离超过该方向边框长度的10%,因此6号工位铺叶较为标准但是不规整。
Claims (7)
1.一种基于工业相机的铺叶台摆把监控方法,其特征在于,包括以下步骤:
步骤(1)在铺叶台上用数字、字母或文字来标记铺叶区域,标记的方法为把烟叶输送带平均分为若干个格子,在每个格子的其中一个斜上角及其对应的斜下角标记小数字、字母或文字,在每个格子的中间区域标记大数字、字母或文字;数字、字母或文字的颜色与输送带、烟叶的颜色有明显区别,铺叶前后,以输送带的边缘作为基准线,分别基于在线工业相机实时获取每个格子的图像;
步骤(2)计算机对工业相机采集的图像,进行图像处理,识别铺叶后烟叶所在的格子区域对应的数字、字母或文字标记,识别烟叶的主体区域以及主体区域中烟叶摆把的倾角,识别烟叶的色差分布,评价该每个格子区域的烟叶摆把规整性,分析铺叶结果,最后保存原始图像以及分析结果,生成铺叶日志及报表。
2.如权利要求1所述的基于工业相机的铺叶台摆把监控方法,其特征在于,
识别铺叶后烟叶所在的格子区域对应的数字、字母或文字标记:
铺叶前,抓取每个格子的图像,依次采用工业相机把每个格子的图像保存;然后定位到每个格子斜上角或斜下角的标记区域,标记区域所在图像上的像素区域为[a1:a2,b1:b2],a1,a2,b1,b2为标记区域的坐标值,将标记区域的图像进行滤波降噪处理,获取图像的RGB空间矩阵,然后进行灰度处理,得到灰度矩阵定义为MI(i),i=1,2,3,…,n,n为格子总数;
铺叶后抓取烟叶所在格子的图像,取出对应[a1:a2,b1:b2]像素区域的标记区域,将该标记区域的图像进行滤波降噪处理,获取图像的RGB空间矩阵,然后进行灰度处理;得到灰度矩阵记为TI;
定义σ为图像矩阵的相似度,计算
σ(i)=||TI-MI(i)||
=sqrt(Sum(sum((TI-MI(i)).*(TI-MI(i)))))(1)
最小σ值所对应的i即为铺叶后抓取图像的格子的序号,即识别出铺叶后烟叶所在的格子区域对应的数字、字母或文字标记。
3.如权利要求1所述的基于工业相机的铺叶台摆把监控方法,其特征在于,
烟叶主体区域的识别:通过图像的色彩分割获取烟叶所在的图片区域,对烟叶所在的图片区域进行滤波去除噪声,获取图像的RGB空间矩阵,然后进行灰度处理和二值化处理,得到灰度矩阵G;
根据灰度矩阵G得到每个格子区域图像的连通关系;并计算每个格子的图像中烟叶连通区域的面积,寻找最大区域面积A1与次大区域面积A2,剔除其它小块的面积;
如果A1≥70%,则A1为烟叶的主体区域,代表整体烟叶的铺叶方向;
如果A1≥50%,A2≥30%,则这两个区域为烟叶的主体区域,分别代表着烟叶的铺叶方向;
如果A1<50%,则烟叶铺叶的方向十分零散,不规整;
烟叶摆把倾角的计算:根据灰度矩阵G识别烟叶主体区域后,提取烟叶主体区域的轮廓信息,提取轮廓信息的骨骼中心线,根据提取的骨骼中心线数据,运用MCCV剔除异常点,根据PLS进行线性拟合,根据拟合的数据,计算拟合线与铺叶输送带边缘的夹角,该夹角即为烟叶摆把的倾角。
4.如权利要求1所述的基于工业相机的铺叶台摆把监控方法,其特征在于,
识别烟叶的色差分布:将铺叶后的每个格子的图像进行滤波去除噪声,获取图像的RGB空间矩阵,再进行灰度处理,按照灰度等级从小到大进行排序,选取小于P%的灰度数据,P的阈值根据烟梗所占整个烟叶的比例确定,计算小于P%的灰度数据的空间分布距离,采用去头截尾的办法计算空间分布距离的平均值,从而得到二值图,根据二值图可直接判别出烟梗和烟叶色差分布,并计算深色颜色分布点距离输送带垂直距离占图像长度的百分比;
铺叶的规整性评价:如果铺叶倾角为90±10度,烟叶把头方向颜色下深上浅为铺叶标准且规整;颜色下浅上深为铺叶标准但不规整;如果铺叶倾角不在90±10度范围内,烟叶把头方向颜色下深上浅为铺叶不标准,但规整;颜色下浅上深为铺叶不标准且不规整;如果深色颜色分布离开输送带摆把侧的垂直距离超过该方向边框长度的10%,则判定铺叶较为凌乱,不合格。
5.一种基于工业相机的铺叶台摆把监控装置,其特征在于,所述监控装置包括铺叶台、位于铺叶台正上方的工业相机及计算机;
所述铺叶台为白色或乳白色的烟叶运输带,烟叶运输带上采用数字、字母或文字来标记铺叶区域,把烟叶输送带平均分为若干个格子,在每个格子的其中一个斜上角及其对应的斜下角标记小数字、字母或文字,在每个格子的中间区域标记大数字、字母或文字;数字、字母或文字的颜色明显区别于烟叶输送带和烟叶的颜色;校正好工业相机,铺叶前后,以烟叶输送带的边缘作为基准线,实时获取烟叶输送带每个格子上的图像,工业相机拍摄图像后通过有线或无线的方式发送到计算机中,由计算机处理后评价铺叶的规整性。
6.如权利要求5所述的基于工业相机的铺叶台摆把监控装置,其特征在于,所述铺叶区域上标记的数字、字母或文字是在烟叶输送带制作过程中通过有色橡胶热合在输送带表面。
7.如权利要求5所述的基于工业相机的铺叶台摆把监控装置,其特征在于,所述工业相机位于烟叶输送带上方的支架上,距烟叶输送带的距离为1200~1800mm。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610123967.8A CN105787944B (zh) | 2016-03-04 | 2016-03-04 | 一种基于工业相机的铺叶台摆把监控装置及监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610123967.8A CN105787944B (zh) | 2016-03-04 | 2016-03-04 | 一种基于工业相机的铺叶台摆把监控装置及监控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105787944A true CN105787944A (zh) | 2016-07-20 |
CN105787944B CN105787944B (zh) | 2019-05-03 |
Family
ID=56387536
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610123967.8A Active CN105787944B (zh) | 2016-03-04 | 2016-03-04 | 一种基于工业相机的铺叶台摆把监控装置及监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105787944B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106262998A (zh) * | 2016-08-31 | 2017-01-04 | 上海创和亿电子科技发展有限公司 | 打叶复烤中原烟的加工控制方法、系统及装置 |
CN111402347A (zh) * | 2020-03-20 | 2020-07-10 | 吴刚 | 一种基于物联网的新冠肺炎疫情防控系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4352430A (en) * | 1979-01-19 | 1982-10-05 | H.F. & Ph.F. Reemtsma G.M.B.H. & Co. | Method and apparatus for sorting foreign bodies from material on a moving conveyor belt |
DE3418814A1 (de) * | 1984-05-19 | 1985-11-21 | W. Schlafhorst & Co, 4050 Mönchengladbach | Vorrichtung zum geordneten abraeumen und bereitlegen von kreuzspulen unterschiedlicher partien |
CN201370091Y (zh) * | 2008-11-27 | 2009-12-30 | 秦皇岛烟草机械有限责任公司 | 智能分切铺叶切断设备 |
CN101653289A (zh) * | 2009-09-15 | 2010-02-24 | 合肥安大电子检测技术有限公司 | 烟把智能定位方法 |
CN202765693U (zh) * | 2012-08-24 | 2013-03-06 | 云南明通轻型输送带有限公司 | 生产流水线上工位的安排定位作业用输送带 |
CN103213821A (zh) * | 2013-04-26 | 2013-07-24 | 杭州电子科技大学 | 一种能够精确定位的流水线传送装置及其控制方法 |
CN205427956U (zh) * | 2016-03-04 | 2016-08-03 | 红塔烟草(集团)有限责任公司楚雄卷烟厂 | 一种基于工业相机的铺叶台烟叶摆把监控装置 |
-
2016
- 2016-03-04 CN CN201610123967.8A patent/CN105787944B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4352430A (en) * | 1979-01-19 | 1982-10-05 | H.F. & Ph.F. Reemtsma G.M.B.H. & Co. | Method and apparatus for sorting foreign bodies from material on a moving conveyor belt |
DE3418814A1 (de) * | 1984-05-19 | 1985-11-21 | W. Schlafhorst & Co, 4050 Mönchengladbach | Vorrichtung zum geordneten abraeumen und bereitlegen von kreuzspulen unterschiedlicher partien |
CN201370091Y (zh) * | 2008-11-27 | 2009-12-30 | 秦皇岛烟草机械有限责任公司 | 智能分切铺叶切断设备 |
CN101653289A (zh) * | 2009-09-15 | 2010-02-24 | 合肥安大电子检测技术有限公司 | 烟把智能定位方法 |
CN202765693U (zh) * | 2012-08-24 | 2013-03-06 | 云南明通轻型输送带有限公司 | 生产流水线上工位的安排定位作业用输送带 |
CN103213821A (zh) * | 2013-04-26 | 2013-07-24 | 杭州电子科技大学 | 一种能够精确定位的流水线传送装置及其控制方法 |
CN205427956U (zh) * | 2016-03-04 | 2016-08-03 | 红塔烟草(集团)有限责任公司楚雄卷烟厂 | 一种基于工业相机的铺叶台烟叶摆把监控装置 |
Non-Patent Citations (1)
Title |
---|
张晨光: "烟叶叶片结构在在线检测系统的设计及研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106262998A (zh) * | 2016-08-31 | 2017-01-04 | 上海创和亿电子科技发展有限公司 | 打叶复烤中原烟的加工控制方法、系统及装置 |
CN111402347A (zh) * | 2020-03-20 | 2020-07-10 | 吴刚 | 一种基于物联网的新冠肺炎疫情防控系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105787944B (zh) | 2019-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gui et al. | Color co-occurrence matrix based froth image texture extraction for mineral flotation | |
CN109269951B (zh) | 基于图像的浮选尾煤灰分、浓度、粗颗粒含量检测方法 | |
CN113642088B (zh) | 一种施工进度信息反馈及bim模型实时展示偏差的方法 | |
CN103632158B (zh) | 森林防火监控方法及森林防火监控系统 | |
CN104990925B (zh) | 一种基于梯度多阈值优化缺陷检测方法 | |
CN110070008A (zh) | 一种采用无人机图像的桥梁病害识别方法 | |
CN105825169B (zh) | 一种基于道路影像的路面裂缝识别方法 | |
CN106296691B (zh) | 基于图像分析的路面病害识别方法 | |
CN205427956U (zh) | 一种基于工业相机的铺叶台烟叶摆把监控装置 | |
CN104008551A (zh) | 一种基于可见光图像的柑橘黄龙病检测方法 | |
CN104700417A (zh) | 木材节子瑕疵的计算机图像自动识别方法 | |
CN113222992B (zh) | 基于多重分形谱的裂纹特征表征方法及系统 | |
CN105654099A (zh) | 基于改进视觉的甘蔗分割与识别方法 | |
CN104535589A (zh) | 一种低压电流互感器在线检测方法和装置 | |
CN108647722B (zh) | 一种基于过程尺寸特征的锌矿品位软测量方法 | |
CN112308819A (zh) | 一种基于扫描电镜多特征灰度图像的孔隙识别方法 | |
CN105718964A (zh) | 一种输电线防振锤的视觉检测方法 | |
CN105787944A (zh) | 一种基于工业相机的铺叶台摆把监控装置及监控方法 | |
CN103091330A (zh) | 模拟人类视觉感知机理的铜带表面缺陷辨识装置及方法 | |
CN102999451A (zh) | 钢材计数系统及方法 | |
CN107977531A (zh) | 一种基于图像处理和领域数学模型进行接地电阻软测量的方法 | |
CN113469938B (zh) | 基于嵌入式前端处理服务器的管廊视频分析方法及系统 | |
CN104634780B (zh) | 一种叶片加料均匀性测量和评价方法 | |
CN211699002U (zh) | 一种地板表板自动识别分选装置 | |
CN107610094B (zh) | 基于椭球立体表征的裂缝三维检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231102 Address after: 653100 No. 118, Hongta Avenue, Hongta District, Yunnan, Yuxi Patentee after: HONGTA TOBACCO (Group) Co.,Ltd. Address before: No. 296 Yihai East Road, Yihai Community, Lucheng Town, Chuxiong Yi Autonomous Prefecture, Yunnan Province, 675000 Patentee before: CHUXIONG CIGARETTE FACTORY OF HONGTA TOBACCO (Group) Co.,Ltd. |