CN108844957A - 一种基于机器视觉的烟叶油分检测新方法 - Google Patents
一种基于机器视觉的烟叶油分检测新方法 Download PDFInfo
- Publication number
- CN108844957A CN108844957A CN201810514512.8A CN201810514512A CN108844957A CN 108844957 A CN108844957 A CN 108844957A CN 201810514512 A CN201810514512 A CN 201810514512A CN 108844957 A CN108844957 A CN 108844957A
- Authority
- CN
- China
- Prior art keywords
- value
- tobacco leaf
- max
- image
- machine vision
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种基于机器视觉的烟叶油分检测新方法,包括如下步骤:1)搭建工业相机;2)获取随机烟叶样本;3)对图像进行去噪处理;4)通过色彩的差异对获取的烟叶图片定位出烟叶所在的像素区域,对图像进行二值化处理,利用灰度直方图的阈值双峰法对图像进行区域分割划分目标与背景;5)分别提取R、G、B三色的值;6)通过获取的R、G、B值来转换成色调H、饱和度S、明度V的值,提取其中的饱和度S值,将饱和度S值从大到小排序;烟叶油分即通过饱和度计算值S来表征。本发明的基于机器视觉的烟叶油分检测新方法,对检测环境要求低,消除了人工检测的主观性,不受各地的检测环境的影响,保证了检测结果的一致性。
Description
技术领域
本发明涉及一种基于机器视觉的烟叶油分检测新方法,属于烟草检测领域。
背景技术
油分与外观质量关系密切,在烟叶检验中,正确判断烟叶油分对等级判定具有重要作用。通过分析不同油分档次与烟叶化学成分、品吸质量、物理特性和卷烟配方使用的关系,旨在为指导卷烟工业进行烟叶生产、烟叶采购、烟叶分选以及合理使用烟叶原料提供参考。
油分是指烟叶组织细胞内含有的一种柔软半液体或液体物质反应在烟叶外观上的油润、丰满、枯燥的程度。油分并非指烟叶含油的多少,而是烟叶在一定含水量的情况下,人们眼看手摸有油润和枯燥的感觉。
油分是烤烟分级标准中的重要因素之一,烤烟油分与烟叶的弹性、韧性、吸湿性、成熟度以及理化特征、烟气质量都密切相关,也是衡量烟叶质量好坏的重要指标,是一个概括性极强的品质因素,在烟叶分级中有重要作用。
油分直接影响香气和感官评吸,油分多的烟叶,香气质好、香气量足,刺激性小,杂气少。目前,随着烤烟生产水平的提高,烟叶的成熟度也相应有了很大提高,但很多烟区仍存在烟叶油分不足的问题,制约了烟叶在高档卷烟配方中的使用,因此正确认识油分与烟叶质量的关系尤为重要。
烟叶油分与外观质量一般表现为:在一定水分条件下,油分与部位的关系表现为下部烟叶油分少,中部烟叶油分多,上部烟叶油分低于中部叶。研究表明,油分与颜色、成熟度、身份、色度呈极显著正相关。可见,油分与外观质量关系密切,在烟叶检验中,正确判断烟叶油分对等级判定具有重要作用。
传统的烟叶油分检测是由物理外观分级专家通过在特定分级区域利用眼观手摸法来进行油分检测,该方法对检测环境要求较高,全国各地的厂区,很难达到统一标准;同时,眼观手摸法最大弊端就是检测人员在检测过程中会受到精神状态等因素存在主观思维,因此很难保证检测的一致性。
发明内容
本发明的目的在于提供
本发明采用了如下技术方案:
一种基于机器视觉的烟叶油分检测新方法,其特征在于,包括如下步骤:
1)搭建工业相机,并对相关参数进行调节;
2)获取随机烟叶样本,通过工业相机拍摄,获取其外观拍摄图片;
3)对图像进行去噪处理:对获取的图像利用中值滤波器去除噪声;
4)通过色彩的差异对获取的烟叶图片定位出烟叶所在的像素区域,对图像进行二值化处理,利用灰度直方图的阈值双峰法对图像进行区域分割划分目标与背景;
5)对图像进行颜色提取:分别提取R、G、B三色的值;
6)通过获取的R、G、B值来转换成色调H、饱和度S、明度V的值,提取其中的饱和度S值,将饱和度S值从大到小排序;烟叶油分即通过饱和度计算值S来表征。
进一步,本发明的基于机器视觉的烟叶油分检测新方法,还具有这样的特征:其中,步骤3)中,中值滤波对图像进行降噪的过程如下:
首先确定一个奇数像素的窗口W,窗口内各像素按灰度大小排队后,用起中间位置的灰度值代替原f(x,y)灰度值成为窗口中心的灰度值g(x,y),
g(x,y)=Med{f(x-k,y-1),(k,1)∈W};
式中:W为选定窗口大小;f(x-k,y-l)为窗口W的像素灰度值。
进一步,本发明的基于机器视觉的烟叶油分检测新方法,还具有这样的特征:步骤2)中,
将通过工业相机获取的烟叶图片由RGB空间真彩图转换为灰度矩阵,对烟叶图片进行灰度处理,见附图1,计算公式为;
其中,(d-c)/(b-a),为变换函数的斜率,[a,b]为图像f(x,y)的灰度范围,线性变换后g(x,y)的灰度范围为[c,d];①,若[a,b]<[c,d],即(d-c)/(b-a)>1,则结果会使图像灰度取值的动态范围变宽;②,若(d-c)/(b-a)=1,则变换后灰度动态范围不变,但灰度取值区间会随a和c的大小平移;③0<(d-c)/(b-a)<1,则变换后图像动态范围变窄;④(d-c)/(b-a)<0,对于b>a,有d<c,则变换后图像的灰度值会反转,即原来亮的变暗,原来暗的变亮;⑤(d-c)/(b-a)=-1,则g(x,y)为f(x,y)的取反。
进一步,本发明的基于机器视觉的烟叶油分检测新方法,还具有这样的特征:步骤6)中,色调H、饱和度S、明度V的值,计算方法如下:
max=max(R,G,B)
min=min(R,G,B)
if R=max,H=(G-B)/(max-min)
if G=max,H=2+(B-R)/(max-min)
if B=max,H=4+(R-G)/(max-min)
H=H*60
if H<0,H=H+360
V=max(R,G,B)
S=(max-min)/max。
发明的有益效果
本发明的基于机器视觉的烟叶油分检测新方法,对检测环境要求低,消除了人工检测的主观性,不受各地的检测环境的影响,保证了检测结果的一致性。
附图说明
图1是图像灰度图;
图2是图像中值滤波去噪图;
图3是灰度直方图;
图4是二值化分割图;
图5是专家和计算排序柱状比对图;
图6是专家排序和计算排序折线比对图;
图7是流程图。
具体实施方式
以下结合附图来说明本发明的具体实施方式。
如图7所示,本发明的基于机器视觉的烟叶油分检测新方法包括如下步骤:
步骤1)将工业相机搭建在实验室内,保证相机所处位置不会受到外部光源影响,确认外部光源完全一致,始终不会对图像产生干扰;调节相机参数,包括:成像区域,白平衡,曝光度,调节成像清晰度,相机敏感度和敏感区域。设置配套光源亮度,确保不会对成像产生反光,从而影响图片效果。
步骤2)在A、B两个复烤厂的原烟挑选线分别获取随机原烟样本各9组,将原烟样本进行展开平铺,放置到检测平台上,通过工业相机拍摄,获取其外观拍摄图片;
将通过工业相机获取的烟叶图片由RGB空间真彩图转换为灰度矩阵,对烟叶图片进行灰度处理,见附图1,计算公式为;
其中,(d-c)/(b-a),为变换函数的斜率,[a,b]为图像f(x,y)的灰度范围,线性变换后g(x,y)的灰度范围为[c,d];①,若[a,b]<[c,d],即(d-c)/(b-a)>1,则结果会使图像灰度取值的动态范围变宽,这样可以改善曝光不足的缺陷,或充分利用图像显示设备的动态范围;②,若(d-c)/(b-a)=1,则变换后灰度动态范围不变,但灰度取值区间会随a和c的大小平移;③0<(d-c)/(b-a)<1,则变换后图像动态范围变窄;④(d-c)/(b-a)<0,对于b>a,有d<c,则变换后图像的灰度值会反转,即原来亮的变暗,原来暗的变亮;⑤(d-c)/(b-a)=-1,则g(x,y)为f(x,y)的取反。
步骤3)利用中值滤波对图像进行降噪:首先确定一个奇数像素的窗口W,窗口内各像素按灰度大小排队后,用起中间位置的灰度值代替原f(x,y)灰度值成为窗口中心的灰度值g(x,y),见附图2;
g(x,y)=Med{f(x-k,y-1),(k,1)∈W};
式中:W为选定窗口大小;f(x-k,y-l)为窗口W的像素灰度值;
步骤4)由于目标和背景的灰度差较大,直方图有明显谷底的情况,做出图像f(x,y)的灰度直方图,见附图3,将谷底点所对应的灰度值作为阈值t,图3中的谷底点指图中横坐标50附近的波谷位置。根据阈值将目标从图像中分割出来,见附图4;
灰度图像的灰度级范围为i=0,1,…,L-1,当灰度级为k时的像素为nk,则图像的总像素N为:
灰度级i出现的概率为:
步骤5)对特征提取后的计算区域分别提取R、G、B的值,
步骤6)随后将R、G、B的值转换为色调H、饱和度S、明度V的值,计算公式为:
max=max(R,G,B)
min=min(R,G,B)
if R=max,H=(G-B)/(max-min)
if G=max,H=2+(B-R)/(max-min)
if B=max,H=4+(R-G)/(max-min)
H=H*60
if H<0,H=H+360
V=max(R,G,B)
S=(max-min)/max
提取其中的饱和度S值,将饱和度S值从大到小排序;
步骤7)通过行业内物理外观分级专家手摸眼观后对油分从多到少进行排序;
步骤8)利用计算的饱和度结果和行业内物理外观分级专家所做的排序结果进行比对;步骤7)和步骤8)是作为对本发明的检测方法的验证步骤而存在,在具体实施时,也可以不采用步骤7)和步骤8)。
实际验证,见表1、表2和附图5、附图6。
表1:A厂人工检测结果与计算排序的对比
表2:B厂人工检测结果与计算排序的对比
可见,本发明所提供的方法所得到的结果,与鉴定专家所得到的结果,具有相关性。
Claims (4)
1.一种基于机器视觉的烟叶油分检测新方法,其特征在于,包括如下步骤:
1)搭建工业相机,并对相关参数进行调节;
2)获取随机烟叶样本,通过工业相机拍摄,获取其外观拍摄图片;
3)对图像进行去噪处理:对获取的图像利用中值滤波器去除噪声;
4)通过色彩的差异对获取的烟叶图片定位出烟叶所在的像素区域,对图像进行二值化处理,利用灰度直方图的阈值双峰法对图像进行区域分割划分目标与背景;
5)对图像进行颜色提取:分别提取R、G、B三色的值;
6)通过获取的R、G、B值来转换成色调H、饱和度S、明度V的值,提取其中的饱和度S值,将饱和度S值从大到小排序;烟叶油分即通过饱和度计算值S来表征。
2.如权利要求1所述的基于机器视觉的烟叶油分检测新方法,其特征在于:
其中,步骤3)中,中值滤波对图像进行降噪的过程如下:
首先确定一个奇数像素的窗口W,窗口内各像素按灰度大小排队后,用起中间位置的灰度值代替原f(x,y)灰度值成为窗口中心的灰度值g(x,y),
g(x,y)=Med{f(x-k,y-1),(k,1)∈W};
式中:W为选定窗口大小;f(x-k,y-l)为窗口W的像素灰度值。
3.如权利要求1所述的基于机器视觉的烟叶油分检测新方法,其特征在于:
步骤2)中,
将通过工业相机获取的烟叶图片由RGB空间真彩图转换为灰度矩阵,对烟叶图片进行灰度处理,见附图1,计算公式为;
其中,(d-c)/(b-a),为变换函数的斜率,[a,b]为图像f(x,y)的灰度范围,线性变换后g(x,y)的灰度范围为[c,d];①,若[a,b]<[c,d],即(d-c)/(b-a)>1,则结果会使图像灰度取值的动态范围变宽;②,若(d-c)/(b-a)=1,则变换后灰度动态范围不变,但灰度取值区间会随a和c的大小平移;③0<(d-c)/(b-a)<1,则变换后图像动态范围变窄;④(d-c)/(b-a)<0,对于b>a,有d<c,则变换后图像的灰度值会反转,即原来亮的变暗,原来暗的变亮;⑤(d-c)/(b-a)=-1,则g(x,y)为f(x,y)的取反。
4.如权利要求1所述的基于机器视觉的烟叶油分检测新方法,其特征在于:
步骤6)中,色调H、饱和度S、明度V的值,计算方法如下:
max=max(R,G,B)
min=min(R,G,B)
if R=max,H=(G-B)/(max-min)
if G=max,H=2+(B-R)/(max-min)
if B=max,H=4+(R-G)/(max-min)
H=H*60
if H<0,H=H+360
V=max(R,G,B)
S=(max-min)/max。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810514512.8A CN108844957A (zh) | 2018-05-25 | 2018-05-25 | 一种基于机器视觉的烟叶油分检测新方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810514512.8A CN108844957A (zh) | 2018-05-25 | 2018-05-25 | 一种基于机器视觉的烟叶油分检测新方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108844957A true CN108844957A (zh) | 2018-11-20 |
Family
ID=64213590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810514512.8A Pending CN108844957A (zh) | 2018-05-25 | 2018-05-25 | 一种基于机器视觉的烟叶油分检测新方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108844957A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109900755A (zh) * | 2019-04-25 | 2019-06-18 | 云南中烟工业有限责任公司 | 一种新鲜烟叶油分的检测方法 |
CN109946343A (zh) * | 2019-04-28 | 2019-06-28 | 云南中烟工业有限责任公司 | 一种快速无损新鲜烟叶油分的检测方法 |
CN111199344A (zh) * | 2019-12-25 | 2020-05-26 | 云南省烟草烟叶公司 | 一种控制烟叶分选过程中纯度的方法 |
CN113281115A (zh) * | 2021-04-09 | 2021-08-20 | 河南中烟工业有限责任公司 | 一种烟叶智能剪切的控制方法 |
CN114897827A (zh) * | 2022-05-10 | 2022-08-12 | 河南中烟工业有限责任公司 | 基于机器视觉的烟叶包装箱状态检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4327375A (en) * | 1979-04-11 | 1982-04-27 | Service D'exploitation Industrielle Des Tabacs Et Des Allumettes | Process and apparatus for providing data indicative of the shape of leaf-like article |
CN103577800A (zh) * | 2012-07-23 | 2014-02-12 | 中国航天员科研训练中心 | 一种基于彩色图像的人体手部形态参数测量方法 |
CN103743486A (zh) * | 2014-01-02 | 2014-04-23 | 上海大学 | 一种基于海量烟叶数据的自动定级系统和方法 |
CN105139415A (zh) * | 2015-09-29 | 2015-12-09 | 小米科技有限责任公司 | 图像前后景分割方法、装置及终端 |
CN106250896A (zh) * | 2016-03-03 | 2016-12-21 | 上海创和亿电子科技发展有限公司 | 基于图像采集装置的在线烟叶的正反面的识别方法 |
CN106289070A (zh) * | 2016-08-03 | 2017-01-04 | 上海创和亿电子科技发展有限公司 | 测量不规则物体长宽的方法 |
US9733197B2 (en) * | 2011-05-26 | 2017-08-15 | Altria Client Services Llc | Oil detection process and apparatus |
-
2018
- 2018-05-25 CN CN201810514512.8A patent/CN108844957A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4327375A (en) * | 1979-04-11 | 1982-04-27 | Service D'exploitation Industrielle Des Tabacs Et Des Allumettes | Process and apparatus for providing data indicative of the shape of leaf-like article |
US9733197B2 (en) * | 2011-05-26 | 2017-08-15 | Altria Client Services Llc | Oil detection process and apparatus |
CN103577800A (zh) * | 2012-07-23 | 2014-02-12 | 中国航天员科研训练中心 | 一种基于彩色图像的人体手部形态参数测量方法 |
CN103743486A (zh) * | 2014-01-02 | 2014-04-23 | 上海大学 | 一种基于海量烟叶数据的自动定级系统和方法 |
CN105139415A (zh) * | 2015-09-29 | 2015-12-09 | 小米科技有限责任公司 | 图像前后景分割方法、装置及终端 |
CN106250896A (zh) * | 2016-03-03 | 2016-12-21 | 上海创和亿电子科技发展有限公司 | 基于图像采集装置的在线烟叶的正反面的识别方法 |
CN106289070A (zh) * | 2016-08-03 | 2017-01-04 | 上海创和亿电子科技发展有限公司 | 测量不规则物体长宽的方法 |
Non-Patent Citations (3)
Title |
---|
Y. HE 等: "METHOD FOR GRADE IDENTIFICATION OF TOBACCO BASED ON MACHINE VISION", 《AMERICAN SOCIETY OF AGRICULTURAL AND BIOLOGICAL ENGINEERS》 * |
张晶等: "《多媒体信息与通信》", 30 November 2017 * |
甘露萍: "基于机器视觉技术的鲜叶含水量模型研究", 《中国优秀硕士学位论文数据库 信息科技辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109900755A (zh) * | 2019-04-25 | 2019-06-18 | 云南中烟工业有限责任公司 | 一种新鲜烟叶油分的检测方法 |
CN109946343A (zh) * | 2019-04-28 | 2019-06-28 | 云南中烟工业有限责任公司 | 一种快速无损新鲜烟叶油分的检测方法 |
CN111199344A (zh) * | 2019-12-25 | 2020-05-26 | 云南省烟草烟叶公司 | 一种控制烟叶分选过程中纯度的方法 |
CN111199344B (zh) * | 2019-12-25 | 2022-08-02 | 云南省烟草烟叶公司 | 一种控制烟叶分选过程中纯度的方法 |
CN113281115A (zh) * | 2021-04-09 | 2021-08-20 | 河南中烟工业有限责任公司 | 一种烟叶智能剪切的控制方法 |
CN113281115B (zh) * | 2021-04-09 | 2023-09-15 | 河南中烟工业有限责任公司 | 一种烟叶智能剪切的控制方法 |
CN114897827A (zh) * | 2022-05-10 | 2022-08-12 | 河南中烟工业有限责任公司 | 基于机器视觉的烟叶包装箱状态检测方法 |
CN114897827B (zh) * | 2022-05-10 | 2024-03-19 | 河南中烟工业有限责任公司 | 基于机器视觉的烟叶包装箱状态检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108844957A (zh) | 一种基于机器视觉的烟叶油分检测新方法 | |
Majumdar et al. | Classification of cereal grains using machine vision: I. Morphology models | |
Leemans et al. | Defects segmentation on ‘Golden Delicious’ apples by using colour machine vision | |
CN108961217A (zh) | 一种基于正例训练的表面缺陷检测方法 | |
US5146510A (en) | Methods and apparatus for optically determining the acceptability of products | |
CN109269951A (zh) | 基于图像的浮选尾煤灰分、浓度、粗颗粒含量检测方法 | |
Pedreschi et al. | Computer vision classification of potato chips by color | |
Khoshroo et al. | Classification of wheat cultivars using image processing and artificial neural networks. | |
CN103198467B (zh) | 图像处理装置以及图像处理方法 | |
CN108682012B (zh) | 一种基于线扫激光的3d曲面玻璃表面平整性缺陷检测方法 | |
Chen et al. | Evaluating fabric pilling with light-projected image analysis | |
CN108876756A (zh) | 图像相似性的度量方法和装置 | |
CN110473194A (zh) | 基于多图像块阈值分割算法的水果表面缺陷检测方法 | |
CN109727233A (zh) | 一种lcd缺陷检测方法 | |
JPH07231883A (ja) | 皮膚表面解析システム及び皮膚表面解析方法 | |
CN109613023A (zh) | 一种区域亮度自适应校正的水果表面缺陷快速检测方法 | |
van Zwanenberg et al. | Edge detection techniques for quantifying spatial imaging system performance and image quality | |
CN109035225A (zh) | 一种汽车刹车片外观质量检验照明系统设计质量评价方法 | |
CN113588596A (zh) | 一种鱼粉中掺假动物源蛋白粉鉴别和含量检测方法及系统 | |
KR102082102B1 (ko) | 토양 이미지를 이용한 토양 분류 방법 및 함수비 추정 방법 | |
Graham et al. | Efficient visual system processing of spatial and luminance statistics in representational and non-representational art | |
CN112816487B (zh) | 一种基于机器视觉的皮蛋内部品质无损检测方法 | |
Wen et al. | Brightness-invariant image segmentation for on-line fruit defect detection | |
CN115249358A (zh) | 一种巨噬细胞内碳颗粒定量检测方法及系统、计算机设备 | |
Jian et al. | Identification and grading of tea using computer vision |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181120 |
|
RJ01 | Rejection of invention patent application after publication |