CN113052811B - 检测烟叶叶尖锯齿程度的方法、系统及计算机可读存储介质 - Google Patents

检测烟叶叶尖锯齿程度的方法、系统及计算机可读存储介质 Download PDF

Info

Publication number
CN113052811B
CN113052811B CN202110292777.XA CN202110292777A CN113052811B CN 113052811 B CN113052811 B CN 113052811B CN 202110292777 A CN202110292777 A CN 202110292777A CN 113052811 B CN113052811 B CN 113052811B
Authority
CN
China
Prior art keywords
point
blade tip
tip
contour
tobacco leaf
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.)
Active
Application number
CN202110292777.XA
Other languages
English (en)
Other versions
CN113052811A (zh
Inventor
丁冉
王戈
徐玮杰
张鑫
戴泽元
蒋文骏
茆宇忠
张伟
陈丰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Wisdom Information Technology Co ltd
Shanghai Tobacco Group Co Ltd
Original Assignee
Shanghai Wisdom Information Technology Co ltd
Shanghai Tobacco Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Wisdom Information Technology Co ltd, Shanghai Tobacco Group Co Ltd filed Critical Shanghai Wisdom Information Technology Co ltd
Priority to CN202110292777.XA priority Critical patent/CN113052811B/zh
Publication of CN113052811A publication Critical patent/CN113052811A/zh
Application granted granted Critical
Publication of CN113052811B publication Critical patent/CN113052811B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30188—Vegetation; Agriculture
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Manufacture Of Tobacco Products (AREA)

Abstract

本申请公开了一种检测烟叶叶尖锯齿程度的方法、系统及计算机可读存储介质，其中所述方法包括：对采集的烟叶图像进行烟叶轮廓检测，生成烟叶轮廓点集；从烟叶轮廓点集中找出上部叶尖轮廓点和下部叶尖轮廓点；对上部叶尖轮廓点和下部叶尖轮廓点分别进行拟合差值及等间隔采样处理，得到上部等间隔采样点集和下部等间隔采样点集；对上部等间隔采样点集和下部等间隔采样点集分别进行n阶傅里叶变换，得到上部频域特征向量和下部频域特征向量；将上部频域特征向量和下部频域特征向量中前i阶的频域特征值组合作为所述烟叶的叶尖锯齿状特征向量。本申请能减少烟叶分拣分级工作对人为的知识经验、注意力、反应速度的依赖程度，降低工作人员的劳动强度。

Description

检测烟叶叶尖锯齿程度的方法、系统及计算机可读存储介质
技术领域
本申请涉及烟草工业领域，尤其涉及一种检测烟叶叶尖锯齿程度的方法、系统及计算机可读存储介质。
背景技术
烟叶的分类分级是烟叶制品加工中的重要环节，其中判断烟叶叶尖的锯齿状特征的长度对于判断烟叶部位和品质有重要的参考意义，但由于烟叶种植位置、生长部位、气候条件等诸多因素导致叶面生长形态多样，判断烟叶叶尖的锯齿状特征的标准模糊性和难以量化等特点对烟叶叶面形状的判断主要依赖于人工经验。因此如何在不依赖于人工经验的情况下，稳定可靠地检测出烟叶叶尖的锯齿状特征成为降低烟叶分拣分级难度的重要问题。
发明内容
本申请实施例提供了一种检测烟叶叶尖锯齿程度的方法、系统及计算机可读存储介质，能在保证烟叶原料品质的前提下，减少烟叶分拣分级工作对人为的知识经验、注意力、反应速度的依赖程度，降低工作人员的劳动强度。
为达到上述目的，本申请提供了一种检测烟叶叶尖锯齿程度的方法，该方法包括：
采集烟叶图像，所述烟叶图像为将烟叶以叶基在图像左侧、叶尖在图像右侧的方式放置于拍摄仓进行拍摄所得的灰度图像；
对所述烟叶图像进行烟叶轮廓检测，生成烟叶轮廓点集；
从所述烟叶轮廓点集中找出上部叶尖轮廓点和下部叶尖轮廓点；
对所述上部叶尖轮廓点和所述下部叶尖轮廓点分别进行拟合差值及等间隔采样处理，得到上部等间隔采样点集和下部等间隔采样点集；
对所述上部等间隔采样点集和所述下部等间隔采样点集分别进行n阶傅里叶频域变换，得到上部频域特征向量和下部频域特征向量；
将所述上部频域特征向量和所述下部频域特征向量中前i阶的频域特征值，组合作为所述烟叶的叶尖锯齿状的特征向量，i为小于n的正整数。
可选的，所述上部叶尖轮廓点指所述烟叶中位于叶尖上部的轮廓点，所述下部叶尖轮廓点指所述烟叶中位于叶尖下部的轮廓点。
可选的，所述从所述烟叶轮廓点集中找出上部叶尖轮廓点和下部叶尖轮廓点包括：
确定上部叶基起始点、下部叶基起始点、上部叶尖结束点和下部叶尖结束点；
找出所述烟叶轮廓点集中从所述上部叶基起始点到所述上部叶尖结束点的点，组合为上部轮廓点集；
找出所述烟叶轮廓点集中从所述下部叶基起始点到所述下部叶尖结束点的点，组合为下部轮廓点集；
将所述上部轮廓点集中靠近叶尖的点确定为上部叶尖轮廓点，将所述下部轮廓点集中靠近叶尖的点确定为下部叶尖轮廓点。
可选的，所述确定上部叶基起始点、下部叶基起始点、上部叶尖结束点和下部叶尖结束点包括：
对所述烟叶图像进行最宽截面检测，找出所述烟叶的轮廓最宽截面；
向所述轮廓最宽截面的左右两侧，找出叶基起始截面和叶尖起始截面；
将所述叶基起始截面与烟叶轮廓的上部交点和下部交点，确定为上部叶基起始点和下部叶基起始点；
将所述叶尖起始截面与烟叶轮廓的上部交点和下部交点，确定为上部叶尖结束点和下部叶尖结束点。
可选的，所述对所述上部叶尖轮廓点和所述下部叶尖轮廓点分别进行拟合差值及等间隔采样处理，得到上部等间隔采样点集和下部等间隔采样点集包括：
对所述上部叶尖轮廓点和所述下部叶尖轮廓点分别进行多项式拟合，得到上部叶尖轮廓曲线和下部叶尖轮廓曲线；
计算所述上部叶尖轮廓点与所述上部叶尖轮廓曲线、所述下部叶尖轮廓点与所述下部叶尖轮廓曲线之间的差值，得到上部叶尖差值点和下部叶尖差值点；
对所述上部叶尖差值点和所述下部叶尖差值点分别进行多项式拟合，得到上部差值点曲线和下部差值点曲线；
对所述上部差值点曲线和所述下部差值点曲线进行等间隔采样，得到上部等间隔采样点集和下部等间隔采样点集。
为达到上述目的，本申请还提供了一种检测烟叶叶尖锯齿程度的系统，包括：
摄像头，用于采集烟叶图像，所述烟叶图像为将烟叶以叶基在图像左侧、叶尖在图像右侧的方式放置于拍摄仓进行拍摄所得的灰度图像；
图像处理装置，用于对所述烟叶图像进行烟叶轮廓检测，生成烟叶轮廓点集；
所述图像处理装置，还用于从所述烟叶轮廓点集中找出上部叶尖轮廓点和下部叶尖轮廓点；
所述图像处理装置，还用于对所述上部叶尖轮廓点和所述下部叶尖轮廓点分别进行拟合差值及等间隔采样处理，得到上部等间隔采样点集和下部等间隔采样点集；
所述图像处理装置，还用于对所述上部等间隔采样点集和所述下部等间隔采样点集分别进行n阶傅里叶频域变换，得到上部频域特征向量和下部频域特征向量；
所述图像处理装置，还用于将所述上部频域特征向量和所述下部频域特征向量中前i阶的频域特征值，组合作为所述烟叶的叶尖锯齿状的特征向量，i为小于n的正整数。
可选的，所述上部叶尖轮廓点指所述烟叶中位于叶尖上部的轮廓点，所述下部叶尖轮廓点指所述烟叶中位于叶尖下部的轮廓点。
可选的，所述图像处理装置具体用于：
确定上部叶基起始点、下部叶基起始点、上部叶尖结束点和下部叶尖结束点；
找出所述烟叶轮廓点集中从所述上部叶基起始点到所述上部叶尖结束点的点，组合为上部轮廓点集；
找出所述烟叶轮廓点集中从所述下部叶基起始点到所述下部叶尖结束点的点，组合为下部轮廓点集；
将所述上部轮廓点集中靠近叶尖的点确定为上部叶尖轮廓点，将所述下部轮廓点集中靠近叶尖的点确定为下部叶尖轮廓点。
可选的，所述图像处理装置具体用于：
对所述烟叶图像进行最宽截面检测，找出所述烟叶的轮廓最宽截面；
向所述轮廓最宽截面的左右两侧，找出叶基起始截面和叶尖起始截面；
将所述叶基起始截面与烟叶轮廓的上部交点和下部交点，确定为上部叶基起始点和下部叶基起始点；
将所述叶尖起始截面与烟叶轮廓的上部交点和下部交点，确定为上部叶尖结束点和下部叶尖结束点。
可选的，所述图像处理装置具体用于：
对所述上部叶尖轮廓点和所述下部叶尖轮廓点分别进行多项式拟合，得到上部叶尖轮廓曲线和下部叶尖轮廓曲线；
计算所述上部叶尖轮廓点与所述上部叶尖轮廓曲线、所述下部叶尖轮廓点与所述下部叶尖轮廓曲线之间的差值，得到上部叶尖差值点和下部叶尖差值点；
对所述上部叶尖差值点和所述下部叶尖差值点分别进行多项式拟合，得到上部差值点曲线和下部差值点曲线；
对所述上部差值点曲线和所述下部差值点曲线进行等间隔采样，得到上部等间隔采样点集和下部等间隔采样点集。
本申请还提供了一种检测烟叶叶尖锯齿程度的系统，该系统包括：处理器以及和处理器相连的存储器；其中，该存储器包括计算机可读指令；该处理器用于执行该存储器中的计算机可读指令，从而使得该终端设备执行上述第一方面或第一方面的任意一种可选的实施方式中的方案。
本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述第一方面或第一方面的任意一种可选的实施方式中的方法。
通过实施本申请，能达到以下有益效果：能在保证烟叶原料品质的前提下，减少烟叶分拣分级工作对人员的知识经验、注意力、反应速度的依赖程度，减低工作人员的劳动强度。
附图说明
图1是本申请实施例提供的一种检测烟叶叶尖锯齿程度的场景示意图。
图2是本申请实施例提供的一种检测烟叶叶尖锯齿程度的方法的流程示意图。
图3是本申请实施例提供的一种烟叶图像拍摄方式的示意图。
图4是本申请实施例提供的一种烟叶叶尖轮廓提取的示意图。
图5是本申请实施例提供的一种烟叶叶尖轮廓差值点拟合曲线的示意图。
图6是本申请实施例提供的一种烟叶叶尖轮廓的等间隔采样点的示意图。
图7是本申请实施例提供的一种烟叶叶尖轮廓的锯齿程度特征向量的示意图。
图8是本申请实施例提供的一种检测烟叶叶尖锯齿程度的系统的结构示意图。
具体实施方式
下面结合附图对本申请具体实施例作进一步的详细描述。
请参见图1，是本申请实施例提供的一种检测烟叶主脉走势的场景示意图。如图1所示的场景中包括拍摄仓101、安装于拍摄仓中的摄像头102(图示为相机)以及图像处理装置103(也可称为图像处理单元)。
在拍摄过程中，本申请将烟叶以叶基在图像左侧、叶尖在图像右侧的方式放置于拍摄仓101的摄像头102下方，启用摄像头102拍摄烟叶图像，再将拍摄所得的烟叶图像传输给图像处理装置103处理。如图所示场景中，烟叶的叶基部放置在图像的左侧，即横轴最小侧；烟叶的叶尖部放置在图像的右侧，即横轴最大侧。
图像处理装置103接收/采集到烟叶图像后，可对烟叶图像进行烟叶轮廓检测以生成烟叶轮廓点集，进而从所述烟叶轮廓点集中找出上部叶尖轮廓点和下部叶尖轮廓点；对所述上部叶尖轮廓点和所述下部叶尖轮廓点分别进行拟合差值及等间隔采样处理，得到上部等间隔采样点集和下部等间隔采样点集；对所述上部等间隔采样点集和所述下部等间隔采样点集分别进行n阶傅里叶频域变换，得到上部频域特征向量和下部频域特征向量，最后将所述上部频域特征向量和所述下部频域特征向量中前i阶的频域特征值，组合作为所述烟叶的叶尖锯齿状的特征向量，i为小于n的正整数。关于图像处理装置103如何进行烟叶叶尖锯齿程度检测的具体实施方式将在下文进行详述，这里不做阐述。
请参见图2，是本申请实施例提供的一种检测烟叶叶尖锯齿程度的方法的流程示意图。
如图2所示的方法包括：
S201、将烟叶以叶基在图像左侧、叶尖在图像右侧的方式放置于拍摄仓的摄像头下方。
如图3示出一种烟叶拍摄方式的示意图。如图3中，本申请将烟叶以叶基在图像左侧、叶尖在图像右侧的方式放置进行拍摄，图示中烟叶的边缘轮廓称为烟叶轮廓，烟叶的主脉曲线称为烟叶主脉。本申请涉及的烟叶图像可具体包含烟叶的叶基、叶尖、叶面以及叶面的主脉等部位信息。
S202、摄像头拍摄烟叶图像传给图像处理装置。
本申请中，摄像头拍摄采集的烟叶图像可为灰度图像，也可为非灰度图像(例如彩色图像)。当摄像头拍摄的烟叶图像为非灰度图像时，图像处理装置或摄像头可对非灰度图像进行进一步的灰度处理，以将其处理为灰度图像，进而后续步骤对该灰度图像的烟叶图像进行主脉走势的检测。
S203、检测烟叶轮廓，生成烟叶轮廓点集(也可称为烟叶的轮廓坐标点集合)。
本申请可对烟叶图像进行烟叶轮廓检测，以生成烟叶轮廓点集。该轮廓点集中包括至少三个烟叶轮廓点的坐标。
S204、找出烟叶的轮廓最宽截面。本申请可对烟叶图像进行最宽截面检测，从中找出烟叶的轮廓最宽截面。
S205、向轮廓最宽截面的左右两边找出左侧的叶基起始截面和右侧的叶尖起始截面。
本申请可从轮廓最宽截面开始，分别向左右两侧出发找出叶基起始截面和叶尖起始截面，例如将烟叶叶面中距烟叶起始点的1/8截面确定为叶基起始截面，将烟叶叶面中距烟叶结束点的1/8截面确定为叶尖起始截面。其中，1/8截面仅为示例，也可为1/16截面或1/4截面等等，并不构成限定，其具体可根据实际需求设置叶基起始截面和叶尖起始截面，本申请不做限定。
进一步本申请还可将叶基起始截面与烟叶轮廓的上部交点和下部交点，分别对应称为上部叶基起始点和下部叶基起始点(也可对应称为左侧上部起始点和左侧下部起始点)；将叶尖起始截面与烟叶轮廓的上部交点和下部交点，分别对应称为下部叶尖结束点和下部叶尖结束点(也可对应称为右侧上部结束点和右侧下部结束点)。
S206、找出叶基起始截面的上部叶基起始点(也称为左侧上部起始点)到叶尖起始截面的上部叶尖结束点(也称为右侧上部结束点)之间的轮廓点，组合为上部轮廓点集(点集A)。
S207、找出叶基起始截面的下部叶基起始点(也称为左侧下部起始点)到叶尖起始截面的下部叶尖结束点(也称为右侧下部结束点)之间的轮廓点，组合为下部轮廓点集(点集B)。
本申请将烟叶轮廓点集中从左侧上部起始点开始到右侧上部结束点为止的所有轮廓点，集合在一起形成为上部轮廓点集，即点集A；将烟叶轮廓点集中从左侧下部起始点开始到右侧下部结束点为止的所有轮廓点，集合在一起形成为下部轮廓点集，即点集B。
S208、点集A右侧靠近叶尖处的点为上部叶尖轮廓点，多个上部叶尖轮廓点形成点集C。
S209、点集B右侧靠近叶尖处的点为下部叶尖轮廓点，多个下部叶尖轮廓点形成点集D。
本申请将点集A右侧靠近叶尖处的1/3子点集C中的轮廓点确定为上部叶尖轮廓点，将点集B右侧靠近叶尖处的1/3子点集D中的轮廓点确定为下部叶尖轮廓点。其中，1/3子点集仅为示例，也可为1/2或1/4等等，并不构成限定，其具体可根据实际需求设置，本申请不做限定。
S210、对上部叶尖轮廓点(点集C)进行多项式曲线拟合，得到上部叶尖轮廓曲线。
S211、对下部叶尖轮廓点(点集D)进行多项式曲线拟合，得到下部叶尖轮廓曲线。
本申请可对所有的上部叶尖轮廓点(即点集C)进行多项式曲线拟合，所获得的曲线即为上部叶尖轮廓曲线；对所有的下部叶尖轮廓点(即点集D)进行多项式曲线拟合，所获得的曲线即为下部叶尖轮廓曲线。
举例来说，请参见图4示出一种烟叶叶尖轮廓提取的具体示意图。如图4所示，本申请可先找出烟叶叶面的轮廓最宽截面，然后以此为基础找出左侧1/8截面和右侧1/8截面，从而确定出左侧上部起始点、左侧下部起始点、右侧上部结束点和右侧下部结束点。进一步根据此四个点从烟叶轮廓点集中提取出上部叶尖轮廓点和下部叶尖轮廓点，进而对上部叶尖轮廓点和下部叶尖轮廓点进行多项式拟合，得到拟合后的上部叶尖轮廓曲线和拟合后的下部叶尖轮廓曲线，具体参考图4所示，这里不再赘述。
S212、计算上部叶尖轮廓点与上部叶尖轮廓曲线之间的差值点，得到上部叶尖差值点。
S213、计算下部叶尖轮廓点与下部叶尖轮廓曲线之间的差值点，得到下部叶尖差值点。
由于上部叶尖轮廓点和其对应在上部叶尖轮廓曲线上的点之间存在差异，因此本申请可计算它们之间的差值，从而获得多个上部叶尖差值点。同理，每个下部叶尖轮廓点和其对应在下部叶尖轮廓曲线上的点之间可能存在差异，因此也可计算它们之间的差值，从而可获得多个下部叶尖差值点。
S214、对上部叶尖差值点进行多项式曲线拟合，得到拟合后的上部差值点曲线E。
S215、对下部叶尖差值点进行多项式曲线拟合，得到拟合后的下部差值点曲线F。
本申请可分别对所有的上部叶尖差值点和所有的下部叶尖差值点进行多项式曲线拟合，所得的曲线分别对应称为上部差值点曲线E和下部差值点曲线F。举例来说，请参见图5示出一种差值点拟合后的曲线示意图。图5中每一个小圆点表示一个差值点，具体可为上部叶尖差值点或者下部叶尖差值点，本申请不做限定。
S216、对上部差值点曲线E进行等间隔采样，获得上部等间隔采样点集(点集G)。
S217、对下部差值点曲线F进行等间隔采样，获得下部等间隔采样点集(点集H)。
本申请可对上部差值点曲线E进行等间隔采样获得多个采样点，这些采样点可组合形成上部等间隔采样点集(也可称为点集G)，对下部差值点曲线F进行等间隔采样获得的多个采样点同样可组合形成下部等间隔采样点集(也可称为点集H)。举例来说，请参见图6示出一种叶尖轮廓等间隔采样的示意图，如图6所示的每个小黑点表示在曲线上等间隔采样获得的一个采样点。
S218、对点集G进行傅里叶频域变换，获得上部频域特征向量(频域特征I)。
S219、对点集H进行傅里叶频域变换，获得下部频域特征向量(频域特征J)。
本申请可对上部等间隔采样点集中的每个上部采样点进行n阶傅里叶频域变换，从而获得n个上部频域特征值组成的上部频域特征向量(即频域特征I)。同理，本申请可对下部等间隔采样点集中的每个下部采样点进行n阶傅里叶频域变换，从而获得n个下部频域特征值组成的下部频域特征向量(即频域特征J)。其中，n为正整数，例如n＝8，则本申请可分别对上部等间隔采样点集和下部等间隔采样点集进行8阶傅里叶变换。举例来说，请参见图7示出一种频域特征向量(即叶尖锯齿程度特征向量)的示意图，如图7以7阶傅里叶变换为例示出，图示例子中横坐标表示阶数，纵坐标表示频域特征值(也可称为频域幅值)。
S220、将频域特征I和J中前i阶频域特征值，组合作为烟叶叶尖锯齿状的特征向量，i为小于n的正整数。
本申请可将频域特征I和J中的前i阶频域特征值，例如将第1阶至第4阶的频域特征值组合在一起作为烟叶叶尖锯齿状的特征向量，即为烟叶叶尖锯齿程度特征向量。
通过实施本申请，可采集烟叶图像，所述烟叶图像为将烟叶以叶基在图像左侧、叶尖在图像右侧的方式放置于拍摄仓进行拍摄所得的灰度图像；对所述烟叶图像进行烟叶轮廓检测，生成烟叶轮廓点集；从所述烟叶轮廓点集中找出上部叶尖轮廓点和下部叶尖轮廓点；对所述上部叶尖轮廓点和所述下部叶尖轮廓点分别进行拟合差值及等间隔采样处理，得到上部等间隔采样集和下部等间隔采样点集；对所述上部等间隔采样点集和所述下部等间隔采样点集分别进行n阶傅里叶频域变换，得到上部频域特征向量和下部频域特征向量；将所述上部频域特征向量和所述下部频域特征向量中前i阶的频域特征值，组合作为所述烟叶的叶尖锯齿状的特征向量，i为小于n的正整数。这样能够在不依赖于人工经验的情况下稳定可靠地检测出烟叶主脉走势，从而在保证烟叶原料品质的前提下，减少烟叶分拣分级工作对人的知识经验、注意力、反应速度的依赖程度，降低工作人员的劳动强度。
请参见图8，图8是本申请实施例提供的一种检测烟叶主脉走势系统的结构示意图。如图8所示的系统包括：至少一个输入设备801；至少一个输出设备802；至少一个处理器803，例如CPU；和存储器804，上述输入设备801、输出设备802、处理器803和存储器804通过总线805连接。
其中，上述输入设备801具体可为移动终端的触控面板，包括触摸屏和触控屏，用于检测终端触控面板上的操作指令。
上述输出设备802具体可为移动终端的显示屏，用于输出、显示信息。
上述存储器804可以是高速RAM存储器，也可为非不稳定的存储器(non-volatilememory)，例如磁盘存储器。上述存储器804用于存储一组程序代码，上述输入设备801、输出设备802和处理器803用于调用存储器804中存储的程序代码执行相应操作，其中处理器803具体用于执行如下操作：
采集烟叶图像，所述烟叶图像为将烟叶以叶基在图像左侧、叶尖在图像右侧的方式放置于拍摄仓进行拍摄所得的灰度图像；
对所述烟叶图像进行烟叶轮廓检测，生成烟叶轮廓点集；
从所述烟叶轮廓点集中找出上部叶尖轮廓点和下部叶尖轮廓点；
对所述上部叶尖轮廓点和所述下部叶尖轮廓点分别进行拟合差值及等间隔采样处理，得到上部等间隔采样点集和下部等间隔采样点集；
对所述上部等间隔采样点集和所述下部等间隔采样点集分别进行n阶傅里叶频域变换，得到上部频域特征向量和下部频域特征向量；
将所述上部频域特征向量和所述下部频域特征向量中前i阶的频域特征值，组合作为所述烟叶的叶尖锯齿状的特征向量，i为小于n的正整数。
可选的，所述上部叶尖轮廓点指所述烟叶中位于叶尖上部的轮廓点，所述下部叶尖轮廓点指所述烟叶中位于叶尖下部的轮廓点。
可选的，所述从所述烟叶轮廓点集中找出上部叶尖轮廓点和下部叶尖轮廓点包括：
确定上部叶基起始点、下部叶基起始点、上部叶尖结束点和下部叶尖结束点；
找出所述烟叶轮廓点集中从所述上部叶基起始点到所述上部叶尖结束点的点，组合为上部轮廓点集；
找出所述烟叶轮廓点集中从所述下部叶基起始点到所述下部叶尖结束点的点，组合为下部轮廓点集；
将所述上部轮廓点集中靠近叶尖的点确定为上部叶尖轮廓点，将所述下部轮廓点集中靠近叶尖的点确定为下部叶尖轮廓点。
可选的，所述确定上部叶基起始点、下部叶基起始点、上部叶尖结束点和下部叶尖结束点包括：
对所述烟叶图像进行最宽截面检测，找出所述烟叶的轮廓最宽截面；
向所述轮廓最宽截面的左右两侧，找出叶基起始截面和叶尖起始截面；
将所述叶基起始截面与烟叶轮廓的上部交点和下部交点，确定为上部叶基起始点和下部叶基起始点；
将所述叶尖起始截面与烟叶轮廓的上部交点和下部交点，确定为上部叶尖结束点和下部叶尖结束点。
可选的，所述对所述上部叶尖轮廓点和所述下部叶尖轮廓点分别进行拟合差值及等间隔采样处理，得到上部等间隔采样点集和下部等间隔采样点集包括：
对所述上部叶尖轮廓点和所述下部叶尖轮廓点分别进行多项式拟合，得到上部叶尖轮廓曲线和下部叶尖轮廓曲线；
计算所述上部叶尖轮廓点与所述上部叶尖轮廓曲线、所述下部叶尖轮廓点与所述下部叶尖轮廓曲线之间的差值，得到上部叶尖差值点和下部叶尖差值点；
对所述上部叶尖差值点和所述下部叶尖差值点分别进行多项式拟合，得到上部差值点曲线和下部差值点曲线；
对所述上部差值点曲线和所述下部差值点曲线进行等间隔采样，得到上部等间隔采样点集和下部等间隔采样点集。
基于同一发明构思，本申请实施例中提供的终端设备解决问题的原理与本申请方法实施例中控制器解决问题的原理相似，因此各设备的实施可以参见方法的实施，为简洁描述，在这里不再赘述。
需要说明的是，在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本发明实施例终端设备中的模块可以根据实际需要进行合并、划分和删减。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims (9)

1.一种检测烟叶叶尖锯齿程度的方法，其特征在于，包括：
采集烟叶图像，所述烟叶图像为将烟叶以叶基在图像左侧、叶尖在图像右侧的方式放置于拍摄仓进行拍摄所得的灰度图像；
对所述烟叶图像进行烟叶轮廓检测，生成烟叶轮廓点集；
从所述烟叶轮廓点集中找出上部叶尖轮廓点和下部叶尖轮廓点；
对所述上部叶尖轮廓点和所述下部叶尖轮廓点分别进行拟合差值及等间隔采样处理，得到上部等间隔采样点集和下部等间隔采样点集；
对所述上部等间隔采样点集和所述下部等间隔采样点集分别进行n阶傅里叶频域变换，得到上部频域特征向量和下部频域特征向量；
将所述上部频域特征向量和所述下部频域特征向量中前i阶的频域特征值，组合作为所述烟叶的叶尖锯齿状的特征向量，i为小于n的正整数；
所述对所述上部叶尖轮廓点和所述下部叶尖轮廓点分别进行拟合差值及等间隔采样处理，得到上部等间隔采样点集和下部等间隔采样点集包括：
对所述上部叶尖轮廓点和所述下部叶尖轮廓点分别进行多项式拟合，得到上部叶尖轮廓曲线和下部叶尖轮廓曲线；
计算所述上部叶尖轮廓点与所述上部叶尖轮廓曲线、所述下部叶尖轮廓点与所述下部叶尖轮廓曲线之间的差值，得到上部叶尖差值点和下部叶尖差值点；
对所述上部叶尖差值点和所述下部叶尖差值点分别进行多项式拟合，得到上部差值点曲线和下部差值点曲线；
对所述上部差值点曲线和所述下部差值点曲线进行等间隔采样，得到上部等间隔采样点集和下部等间隔采样点集。
2.根据权利要求1所述的检测烟叶叶尖锯齿程度的方法，其特征在于，所述上部叶尖轮廓点指所述烟叶中位于叶尖上部的轮廓点，所述下部叶尖轮廓点指所述烟叶中位于叶尖下部的轮廓点。
3.根据权利要求1所述的检测烟叶叶尖锯齿程度的方法，其特征在于，所述从所述烟叶轮廓点集中找出上部叶尖轮廓点和下部叶尖轮廓点包括：
确定上部叶基起始点、下部叶基起始点、上部叶尖结束点和下部叶尖结束点；
找出所述烟叶轮廓点集中从所述上部叶基起始点到所述上部叶尖结束点的点，组合为上部轮廓点集；
找出所述烟叶轮廓点集中从所述下部叶基起始点到所述下部叶尖结束点的点，组合为下部轮廓点集；
将所述上部轮廓点集中靠近叶尖的点确定为上部叶尖轮廓点，将所述下部轮廓点集中靠近叶尖的点确定为下部叶尖轮廓点。
4.根据权利要求3所述的检测烟叶叶尖锯齿程度的方法，其特征在于，所述确定上部叶基起始点、下部叶基起始点、上部叶尖结束点和下部叶尖结束点包括：
对所述烟叶图像进行最宽截面检测，找出所述烟叶的轮廓最宽截面；
向所述轮廓最宽截面的左右两侧，找出叶基起始截面和叶尖起始截面；
将所述叶基起始截面与烟叶轮廓的上部交点和下部交点，确定为上部叶基起始点和下部叶基起始点；
将所述叶尖起始截面与烟叶轮廓的上部交点和下部交点，确定为上部叶尖结束点和下部叶尖结束点。
5.一种检测烟叶叶尖锯齿程度的系统，其特征在于，包括：
摄像头，用于采集烟叶图像，所述烟叶图像为将烟叶以叶基在图像左侧、叶尖在图像右侧的方式放置于拍摄仓进行拍摄所得的灰度图像；
图像处理装置，用于对所述烟叶图像进行烟叶轮廓检测，生成烟叶轮廓点集；
所述图像处理装置，还用于从所述烟叶轮廓点集中找出上部叶尖轮廓点和下部叶尖轮廓点；
所述图像处理装置，还用于对所述上部叶尖轮廓点和所述下部叶尖轮廓点分别进行拟合差值及等间隔采样处理，得到上部等间隔采样点集和下部等间隔采样点集；
所述图像处理装置，还用于对所述上部等间隔采样点集和所述下部等间隔采样点集分别进行n阶傅里叶频域变换，得到上部频域特征向量和下部频域特征向量；
所述图像处理装置，还用于将所述上部频域特征向量和所述下部频域特征向量中前i阶的频域特征值，组合作为所述烟叶的叶尖锯齿状的特征向量，i为小于n的正整数；
所述图像处理装置具体用于：
对所述上部叶尖轮廓点和所述下部叶尖轮廓点分别进行多项式拟合，得到上部叶尖轮廓曲线和下部叶尖轮廓曲线；
计算所述上部叶尖轮廓点与所述上部叶尖轮廓曲线、所述下部叶尖轮廓点与所述下部叶尖轮廓曲线之间的差值，得到上部叶尖差值点和下部叶尖差值点；
对所述上部叶尖差值点和所述下部叶尖差值点分别进行多项式拟合，得到上部差值点曲线和下部差值点曲线；
对所述上部差值点曲线和所述下部差值点曲线进行等间隔采样，得到上部等间隔采样点集和下部等间隔采样点集。
6.根据权利要求5所述的检测烟叶叶尖锯齿程度的系统，其特征在于，所述上部叶尖轮廓点指所述烟叶中位于叶尖上部的轮廓点，所述下部叶尖轮廓点指所述烟叶中位于叶尖下部的轮廓点。
7.根据权利要求5所述的检测烟叶叶尖锯齿程度的系统，其特征在于，所述图像处理装置具体用于：
确定上部叶基起始点、下部叶基起始点、上部叶尖结束点和下部叶尖结束点；
找出所述烟叶轮廓点集中从所述上部叶基起始点到所述上部叶尖结束点的点，组合为上部轮廓点集；
找出所述烟叶轮廓点集中从所述下部叶基起始点到所述下部叶尖结束点的点，组合为下部轮廓点集；
将所述上部轮廓点集中靠近叶尖的点确定为上部叶尖轮廓点，将所述下部轮廓点集中靠近叶尖的点确定为下部叶尖轮廓点。
8.根据权利要求7所述的检测烟叶叶尖锯齿程度的系统，其特征在于，所述图像处理装置具体用于：
对所述烟叶图像进行最宽截面检测，找出所述烟叶的轮廓最宽截面；
向所述轮廓最宽截面的左右两侧，找出叶基起始截面和叶尖起始截面；
将所述叶基起始截面与烟叶轮廓的上部交点和下部交点，确定为上部叶基起始点和下部叶基起始点；
将所述叶尖起始截面与烟叶轮廓的上部交点和下部交点，确定为上部叶尖结束点和下部叶尖结束点。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行如权利要求1-4中任一项所述的检测烟叶叶尖锯齿程度的方法。
CN202110292777.XA 2021-03-18 2021-03-18 检测烟叶叶尖锯齿程度的方法、系统及计算机可读存储介质 Active CN113052811B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110292777.XA CN113052811B (zh) 2021-03-18 2021-03-18 检测烟叶叶尖锯齿程度的方法、系统及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110292777.XA CN113052811B (zh) 2021-03-18 2021-03-18 检测烟叶叶尖锯齿程度的方法、系统及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN113052811A CN113052811A (zh) 2021-06-29
CN113052811B true CN113052811B (zh) 2023-12-29

Family

ID=76513368

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110292777.XA Active CN113052811B (zh) 2021-03-18 2021-03-18 检测烟叶叶尖锯齿程度的方法、系统及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN113052811B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113804594A (zh) * 2021-08-03 2021-12-17 华帝股份有限公司 基于傅里叶变换的光电式烟感传感器免标定方法、光电式烟感系统和吸油烟机

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106954882A (zh) * 2017-05-17 2017-07-18 中国农业科学院烟草研究所 一种烟叶烤前的预处理方法及其预处理工具
CN108268895A (zh) * 2018-01-12 2018-07-10 上海烟草集团有限责任公司 基于机器视觉的烟叶部位识别方法、电子设备及存储介质
CN108335311A (zh) * 2018-01-22 2018-07-27 上海烟草集团有限责任公司 烟叶形态结构特征的提取方法、电子设备及存储介质
CN109740497A (zh) * 2018-12-27 2019-05-10 河海大学 一种基于最小二乘曲线拟合的指尖检测方法
CN109886277A (zh) * 2018-12-28 2019-06-14 浙江理工大学 一种基于轮廓分析的茶鲜叶识别方法
CN112464942A (zh) * 2020-10-27 2021-03-09 南京理工大学 基于计算机视觉的重叠烟叶智能化分级方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106954882A (zh) * 2017-05-17 2017-07-18 中国农业科学院烟草研究所 一种烟叶烤前的预处理方法及其预处理工具
CN108268895A (zh) * 2018-01-12 2018-07-10 上海烟草集团有限责任公司 基于机器视觉的烟叶部位识别方法、电子设备及存储介质
CN108335311A (zh) * 2018-01-22 2018-07-27 上海烟草集团有限责任公司 烟叶形态结构特征的提取方法、电子设备及存储介质
CN109740497A (zh) * 2018-12-27 2019-05-10 河海大学 一种基于最小二乘曲线拟合的指尖检测方法
CN109886277A (zh) * 2018-12-28 2019-06-14 浙江理工大学 一种基于轮廓分析的茶鲜叶识别方法
CN112464942A (zh) * 2020-10-27 2021-03-09 南京理工大学 基于计算机视觉的重叠烟叶智能化分级方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
采用轮廓特征的烟叶部位组分类研究;李翠英;贺立源;马文杰;刘华波;黄魏;;计算机工程与应用(第26期);全文 *

Also Published As

Publication number Publication date
CN113052811A (zh) 2021-06-29

Similar Documents

Publication Publication Date Title
CN112614062B (zh) 菌落计数方法、装置及计算机存储介质
RU2014101665A (ru) Обнаружение блика в кадре данных изображения
CN109472788B (zh) 一种飞机铆钉表面的伤痕检测方法
CN113052811B (zh) 检测烟叶叶尖锯齿程度的方法、系统及计算机可读存储介质
CN107490582A (zh) 一种流水线工件检测系统
CN112270658A (zh) 一种基于机器视觉的电梯钢丝绳检测方法
CN114882010A (zh) 基于图片识别的表面缺陷检测方法
FR2841487B1 (fr) Procede de detection de plis simples et de plis en prise multiple dans une installation de tri postal
CN100433047C (zh) 检测图像模糊性的设备和方法
CN106250720A (zh) 一种根据相似度预先分组的dna测序图像处理系统
CN106530292B (zh) 一种基于线扫描相机的带钢表面缺陷图像快速辨识方法
Yildirim et al. Simultaneously realization of image enhancement techniques on real-time FPGA
CN112712058A (zh) 一种字符识别提取方法
CN104657972A (zh) 一种图像块的模糊度判断方法及系统
CN112950607B (zh) 检测烟叶叶面宽度变化趋势的方法、系统及计算机可读存储介质
CN116188826A (zh) 一种复杂光照条件下的模板匹配方法及装置
CN107037262B (zh) 一种大数据频谱分析系统及其方法
CN113052808B (zh) 检测烟叶主脉走势的方法、系统及计算机可读存储介质
CN113066095A (zh) 重建烟叶轮廓的方法、系统及计算机可读存储介质
Choudhary et al. A novel approach for edge detection for blurry images by using digital image processing
RU2697737C2 (ru) Способ обнаружения и локализации текстовых форм на изображениях
CN110148151A (zh) 一种运动目标提取方法与装置
KR101067516B1 (ko) 정규 상관도와 누적영상을 이용한 고속 그림자 제거 방법
JP3462727B2 (ja) 文字列２値化装置
CN114723748B (zh) 电机控制器的检测方法、装置、设备及存储介质

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
CB03 Change of inventor or designer information

Inventor after: Ding Ran

Inventor after: Wang Ge

Inventor after: Xu Weijie

Inventor after: Zhang Xin

Inventor after: Dai Zeyuan

Inventor after: Jiang Wenjun

Inventor after: Mao Yuzhong

Inventor after: Zhang Wei

Inventor after: Chen Feng

Inventor before: Jiang Wenjun

Inventor before: Mao Yuzhong

Inventor before: Zhang Wei

Inventor before: Chen Feng

CB03 Change of inventor or designer information
TA01 Transfer of patent application right

Effective date of registration: 20211228

Address after: 200082 No. 717, Changyang Road, Shanghai, Yangpu District

Applicant after: SHANGHAI TOBACCO GROUP Co.,Ltd.

Applicant after: SHANGHAI WISDOM INFORMATION TECHNOLOGY CO.,LTD.

Address before: Room 1602, Zhongshan Wanbo Plaza, 666 Huaihai West Road, Changning District, Shanghai, 200052

Applicant before: SHANGHAI WISDOM INFORMATION TECHNOLOGY CO.,LTD.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant