CN113439870B - 一种雪茄烟外观分类方法及装置 - Google Patents
一种雪茄烟外观分类方法及装置 Download PDFInfo
- Publication number
- CN113439870B CN113439870B CN202110728640.4A CN202110728640A CN113439870B CN 113439870 B CN113439870 B CN 113439870B CN 202110728640 A CN202110728640 A CN 202110728640A CN 113439870 B CN113439870 B CN 113439870B
- Authority
- CN
- China
- Prior art keywords
- color
- cigar
- classified
- color characteristic
- region
- 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
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A24—TOBACCO; CIGARS; CIGARETTES; SIMULATED SMOKING DEVICES; SMOKERS' REQUISITES
- A24C—MACHINES FOR MAKING CIGARS OR CIGARETTES
- A24C1/00—Elements of cigar manufacture
- A24C1/38—Final treatment of cigars, e.g. sorting
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
Landscapes
- Spectrometry And Color Measurement (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种雪茄烟外观分类方法及装置,属于图像处理技术领域。该方法包括:获取待分类雪茄烟茄衣的整体外观图像;将待分类雪茄烟茄衣的整体外观图像等分为n个区域,n≥1,并提取每个区域的颜色特征值;通过对这n个区域的颜色特征值进行统计分析判断是否有异常值,若有,则将该待分类雪茄烟标记为外观缺陷烟支;若无异常值,则对这n个区域的颜色特征值进行归一化处理,得到该待分类雪茄烟茄衣的总体颜色特征值;将该待分类雪茄烟茄衣的总体颜色特征值与预先确定的同批次雪茄烟每种颜色类别对应的总体颜色特征值范围进行对比,根据对比情况确定该待分类雪茄烟所属的颜色类别。该方法能够实现雪茄烟外观的快速、准确、自动化评价和分类。
Description
技术领域
本发明涉及一种雪茄烟外观分类方法及装置,属于图像处理技术领域。
背景技术
雪茄烟是指全部由烟叶加工而成的圆柱形或方柱形的烟支,雪茄烟由最里层的茄芯,卷裹着茄芯的茄套和卷包在最外面的茄衣组成。雪茄烟是一种高档消费品,因此,除抽吸感官质量外,外观颜色特征也是雪茄烟的重要质量指标。雪茄烟工艺加工过程中一个关键环节就是选色分类,雪茄烟的选色分类事关产品品牌形象,对产品营销有着重要影响,因其操作技术要求高,一般都由经过专门训练的选色师来完成,选色师根据颜色深浅、外观均匀性等可以将雪茄分为几十种,同时,在分选过程中还会挑选出表面有裂缝、孔洞、色泽不匀或局部褪色的烟支,根据分类情况,将外观颜色相近的雪茄烟支放置在同一个包装中,同一个包装中的雪茄烟支也尽量按照颜色由深到浅的顺序排列。经过分选后的雪茄烟支外观均匀,颜色一致,能够提升消费者的消费感受和品牌形象。
但是基于选色师的人工分选方法受主观影响较大,导致雪茄烟选色分类标准不固定,进而导致不同选色师间和同一选色师在不同时间分选的雪茄烟都会存在差异,雪茄烟选色分类的准确度低、重复性和再现性差,且人工分选方法的劳动量大、效率低。
发明内容
本发明的目的在于提供一种雪茄烟外观分类方法及装置,能够实现雪茄烟的快速、准确、自动化分类。
为了实现上述目的,本发明提供了一种雪茄烟外观分类方法,该方法包括以下步骤:
1)获取待分类雪茄烟茄衣的整体外观图像;
2)将所述待分类雪茄烟茄衣的整体外观图像等分为n个区域,n≥1,并提取每个区域的颜色特征值;
3)通过对这n个区域的颜色特征值进行统计分析判断是否有异常值,若有,则将该待分类雪茄烟标记为外观缺陷烟支;
4)若无异常值,则对这n个区域的颜色特征值进行归一化处理,得到该待分类雪茄烟茄衣的总体颜色特征值;
5)将该待分类雪茄烟茄衣的总体颜色特征值与预先确定的同批次雪茄烟每种颜色类别对应的总体颜色特征值范围进行对比,根据对比情况确定该待分类雪茄烟所属的颜色类别。
该雪茄烟外观分类方法的有益效果是:通过采集待分类雪茄烟茄衣的整体外观图像,利用区域分割和颜色特征提取技术获取待分类雪茄烟茄衣不同区域的颜色特征值,先通过对不同区域的颜色特征值进行异常值分析判断待分类雪茄烟茄衣的外观颜色是否均匀,若无异常值,则代表待分类雪茄烟茄衣的外观颜色均匀;再通过计算外观颜色均匀的待分类雪茄烟茄衣的总体颜色特征值,基于预先确定的同批次雪茄烟每种颜色类别对应的总体颜色特征值范围,确定待分类雪茄烟所属的颜色类别。该方法是一种基于雪茄烟颜色特征进行雪茄烟外观分类的方法,是一种定量化的分类方法,准确率远高于人工分选方法,并且雪茄烟外观分类过程完全自动化处理,重复性和再现性好,能够实现雪茄烟外观的快速、准确、自动化评价和分类,能够大幅提高测试效率,显著降低劳动量。
进一步地,在上述雪茄烟外观分类方法中,步骤2)中在RGB颜色空间、HSV颜色空间或LAB颜色空间下提取每个区域的颜色特征值。
进一步地,在上述雪茄烟外观分类方法中,当在RGB颜色空间下提取每个区域的颜色特征值时,每个区域的颜色特征值为相应区域RGB颜色特征的R分量值、G分量值和B分量值的归一化值,或者为相应区域RGB颜色特征任意一个分量的颜色矩或颜色集;当在LAB颜色空间下提取每个区域的颜色特征值时,每个区域的颜色特征值为相应区域LAB颜色特征的L分量值、A分量值和B分量值的归一化值,或者为相应区域LAB颜色特征任意一个分量的颜色矩或颜色集;当在HSV颜色空间下提取每个区域的颜色特征值时,每个区域的颜色特征值为相应区域HSV颜色特征的H分量值或S分量值,或者为相应区域HSV颜色特征H分量的颜色矩或颜色集,或者为相应区域HSV颜色特征S分量的颜色矩或颜色集。
进一步地,在上述雪茄烟外观分类方法中,步骤4)中待分类雪茄烟茄衣的总体颜色特征值为这n个区域颜色特征值的平均值、这n个区域颜色特征值的中位值,或者这n个区域颜色特征值在某一置信区间内的数据的平均值。
进一步地,在上述雪茄烟外观分类方法中,步骤2)中将所述待分类雪茄烟茄衣的整体外观图像等分为n个区域通过以下步骤实现:将所述待分类雪茄烟茄衣的整体外观图像等分为n个正方形区域,每个正方形区域内包含多个像素点;或者,以像素为单位将所述待分类雪茄烟茄衣的整体外观图像等分为n个区域,1个区域为1个像素点。
进一步地,在上述雪茄烟外观分类方法中,所述步骤1)通过以下步骤实现:分别从多个角度拍摄待分类雪茄烟不同位置的茄衣外观图像,将各不同位置的茄衣外观图像进行拼接得到待分类雪茄烟茄衣的整体外观图像;或者,通过旋转雪茄烟的方式采集待分类雪茄烟茄衣的360°展开图像作为待分类雪茄烟茄衣的整体外观图像。
进一步地,在上述雪茄烟外观分类方法中,步骤3)中判断是否有异常值的方法为Grubbs检验方法、Dixon检验方法或控制图检验方法。
进一步地,在上述雪茄烟外观分类方法中,步骤5)中同批次雪茄烟每种颜色类别对应的总体颜色特征值范围通过统计分析法建立,针对同批次雪茄烟,首选从中选出若干支雪茄烟通过步骤1)~4)得到每支雪茄烟茄衣的总体颜色特征值,然后根据获取的这若干支雪茄烟茄衣的总体颜色特征值将该批次雪茄烟划分为X个颜色类别,X≥1,一个颜色类别对应一个总体颜色特征值范围,从而得到该批次雪茄烟每种颜色类别对应的总体颜色特征值范围。
进一步地,在上述雪茄烟外观分类方法中,步骤5)中同批次雪茄烟每种颜色类别对应的总体颜色特征值范围通过专家系统建立,针对同批次雪茄烟,首先从已经由选色师完成颜色分类的雪茄烟中选出若干支雪茄烟,这若干支雪茄烟包含Y个颜色类别,Y≥1;然后通过步骤1)~4)得到每种颜色类别下每支雪茄烟茄衣的总体颜色特征值,从而得到这若干支雪茄烟每种颜色类别对应的总体颜色特征值范围,作为该批次雪茄烟每种颜色类别对应的总体颜色特征值范围。
本发明还提供了一种雪茄烟外观分类装置,包括图像采集装置和图像分析处理装置;所述图像采集装置用于采集待分类雪茄烟茄衣的整体外观图像,所述图像分析处理装置包括处理器和存储器,所述处理器用于执行存储在所述存储器中的计算机程序以实现上述的雪茄烟外观分类方法。
该雪茄烟外观分类装置的有益效果是:能够实现一种基于雪茄烟颜色特征进行雪茄烟外观分类的方法,能够实现雪茄烟外观的快速、准确、自动化评价和分类。
附图说明
图1是本发明装置实施例中雪茄烟外观分类方法的流程图;
图2是本发明装置实施例中雪茄烟茄衣的总体颜色特征值计算过程示意图;
图3是本发明装置实施例中某支雪茄烟S分量的颜色矩异常值分析结果示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。
装置实施例:
本实施例的雪茄烟外观分类装置包括:图像采集装置和图像分析处理装置;其中,具体地,图像采集装置包括:照明装置、成像装置和图像采集软件;照明装置的作用是提供合适的照明,以便于获取的雪茄烟茄衣图像清晰真实,照明装置可以是能够提供均匀照明环境的平面光源、环形光源、发光LED阵列或背光源等光源系统;成像装置主要包括镜头和相机两部分,其作用是配合图像采集软件获取雪茄烟茄衣图像;图像采集软件可以是专门编写的能够配合成像装置获取待测对象图像的软件或者现有软件的某个模块或单元。
图像分析处理装置包括:图像预处理模块、图像转化模块、颜色分析模块和外观分类模块;其中,图像预处理模块的作用是使用计算机中的图像预处理算法对图像采集装置获取的雪茄烟茄衣图像进行预处理,预处理步骤包含但不限于去噪、滤波、畸变矫正、场曲还原、裁剪、旋转、拉伸、亮度修正、颜色转换、图像分割、分辨率调整、二值化、图像连通、区域标记、编号、轮廓提取等图像前期处理;图像转化模块能够将从不同角度拍摄的雪茄烟茄衣图像拼接成雪茄烟茄衣的整体外观图像,或者通过三维展开等方式将圆柱形、方形、三角形等不同形状的雪茄烟茄衣三维图像转化为二维图像,从而得到雪茄烟茄衣的整体外观图像,并按照设置要求将雪茄烟茄衣的整体外观图像划分为不同的区域;颜色分析模块能够提取不同区域的颜色特征,并将颜色特征以一个量化值表示;外观分类模块能够根据不同区域的颜色特征值完成雪茄烟分类。图像分析处理装置可以是专门编写的软件或者能够完成上述功能的软件或软件模块或单元。
本实施例中图像采集装置用于从不同角度拍摄雪茄烟茄衣图像或者拍摄雪茄烟茄衣的三维图像,然后由图像分析处理装置中的图像转化模块进行处理得到雪茄烟茄衣的整体外观图像;作为其他实施方式,图像分析处理装置中部分模块的功能也可以交给图像采集模块实现,例如图像预处理模块的功能和图像转化模块的图像拼接或图像展开功能可以直接由图像采集装置实现,这样通过图像采集装置就能得到雪茄烟茄衣的整体外观图像,图像采集装置将得到的雪茄烟茄衣的整体外观图像传递给图像分析处理装置,由图像分析处理装置中的各模块相互配合实现如图1所示的雪茄烟外观分类方法。总之,图像分析处理装置中各模块的功能划分可以根据实际需要调整,只要图像分析处理装置包括处理器和存储器,所述处理器用于执行存储在所述存储器中的计算机程序能实现如图1所示的雪茄烟外观分类方法即可。
如图1所示,本实施例的雪茄烟外观分类方法包括以下步骤:
步骤1、获取待分类雪茄烟茄衣的整体外观图像;
其中,获取待分类雪茄烟茄衣整体外观图像的方法有两种,在实际应用中选择其中一种即可,分别如下:(1)分别从多个角度拍摄待分类雪茄烟不同位置的茄衣外观图像,将各不同位置的茄衣外观图像进行拼接得到待分类雪茄烟茄衣的整体外观图像;(2)通过旋转雪茄烟的方式采集待分类雪茄烟茄衣的360°展开图像作为待分类雪茄烟茄衣的整体外观图像。
步骤2、将待分类雪茄烟茄衣的整体外观图像等分为n个区域,n≥1,将区域标记为S1~Sn,并提取每个区域的颜色特征值;
其中,将待分类雪茄烟茄衣的整体外观图像等分为n个区域的方法有两类,在实际应用中选择其中一类即可,分别如下:(1)将待分类雪茄烟茄衣的整体外观图像等分为n个正方形区域,每个正方形区域内包含多个像素点;当然,区域的形状可以是长方形或圆形等其他形状;(2)以像素为单位将待分类雪茄烟茄衣的整体外观图像等分为n个区域,1个区域为1个像素点。
提取每个区域的颜色特征值要在某种颜色空间下进行,例如可以在RGB颜色空间、HSV颜色空间、LAB颜色空间或其他常见的颜色空间下进行。
当在RGB颜色空间下提取每个区域的颜色特征值时,每个区域的颜色特征值有以下几种取值方式,在实际应用中选择其中一种即可,分别为:(1)每个区域的颜色特征值为相应区域RGB颜色特征的R分量值、G分量值和B分量值的归一化值;(2)每个区域的颜色特征值为相应区域RGB颜色特征R分量的颜色矩或颜色集;(3)每个区域的颜色特征值为相应区域RGB颜色特征G分量的颜色矩或颜色集;(4)每个区域的颜色特征值为相应区域RGB颜色特征B分量的颜色矩或颜色集。
当在LAB颜色空间下提取每个区域的颜色特征值时,每个区域的颜色特征值有以下几种取值方式,在实际应用中选择其中一种即可,分别为:(1)每个区域的颜色特征值为相应区域LAB颜色特征的L分量值、A分量值和B分量值的归一化值;(2)每个区域的颜色特征值为相应区域LAB颜色特征L分量的颜色矩或颜色集;(3)每个区域的颜色特征值为相应区域LAB颜色特征A分量的颜色矩或颜色集;(4)每个区域的颜色特征值为相应区域LAB颜色特征B分量的颜色矩或颜色集。
当在HSV颜色空间下提取每个区域的颜色特征值时,每个区域的颜色有以下几种取值方式,在实际应用中选择其中一种即可,分别为:(1)每个区域的颜色特征值为相应区域HSV颜色特征的H分量值或S分量值;(2)每个区域的颜色特征值为相应区域HSV颜色特征H分量的颜色矩或颜色集;(3)每个区域的颜色特征值为相应区域HSV颜色特征S分量的颜色矩或颜色集。
其中,颜色矩、颜色集的计算方法为现有技术,这里不做过多说明。
步骤3、通过对这n个区域的颜色特征值进行统计分析判断是否有异常值,若有,则将该待分类雪茄烟标记为外观缺陷烟支;
其中,通过统计分析判断是否有异常值的方法包含但不限于:Grubbs检验方法、Dixon检验方法和控制图检验方法,在实际应用中选择其中一种即可。每种异常值判断方法都有各自的异常值分析流程,能够在对一组数据分析后给出这组数据中有无异常值的分析结果,属于现有技术,这里不再赘述。
步骤4、若无异常值,则对这n个区域的颜色特征值进行归一化处理,得到该待分类雪茄烟茄衣的总体颜色特征值;
其中,对n个区域的颜色特征值进行归一化处理的方法包含但不限于:计算这n个区域颜色特征值的平均值、计算这n个区域颜色特征值的中位值和计算这n个区域颜色特征值在某一置信区间内数据的平均值,在实际应用中选择其中一种即可。
步骤5、将该待分类雪茄烟茄衣的总体颜色特征值与预先确定的同批次雪茄烟每种颜色类别对应的总体颜色特征值范围进行对比,根据对比情况确定该待分类雪茄烟所属的颜色类别。
其中,同批次雪茄烟每种颜色类别对应的总体颜色特征值范围的确定方法有两种,在实际应用中选择其中一种即可,分别如下:
(1)通过统计分析法建立同批次雪茄烟每种颜色类别对应的总体颜色特征值范围。
针对同批次雪茄烟,首选从中选出若干支雪茄烟通过步骤1~4得到每支雪茄烟茄衣的总体颜色特征值,然后根据获取的这若干支雪茄烟茄衣的总体颜色特征值将该批次雪茄烟划分为X个颜色类别,X≥1,一个颜色类别对应一个总体颜色特征值范围,从而得到该批次雪茄烟每种颜色类别对应的总体颜色特征值范围。
(2)通过专家系统建立同批次雪茄烟每种颜色类别对应的总体颜色特征值范围。
针对同批次雪茄烟,首先从已经由选色师完成颜色分类的雪茄烟中选出若干支雪茄烟,这若干支雪茄烟包含Y个颜色类别,Y≥1;然后通过步骤1~4得到每种颜色类别下每支雪茄烟茄衣的总体颜色特征值,剔除不同颜色类别间总体颜色特征值有交叉的部分烟支(即若某个雪茄烟茄衣的总体颜色特征值同时出现在两个颜色类别下,则建立同批次雪茄烟每种颜色类别对应的总体颜色特征值范围时不再考虑该雪茄烟),从而得到这若干支雪茄烟每种颜色类别对应的总体颜色特征值范围,作为该批次雪茄烟每种颜色类别对应的总体颜色特征值范围。
需要特别说明的是,该专家系统的分类结果可以是基于一名权威专家的分类结果,也可以是基于一批专家的集体评价分类结果。
下面举例说明利用本实施例的雪茄烟外观分类方法对雪茄烟进行颜色分类的过程。
一、以拼接得到待分类雪茄烟茄衣的整体外观图像、在HSV颜色空间下提取每个区域的颜色特征值且颜色特征值为每个区域HSV颜色特征的H分量值为例:
1)将一支雪茄烟摆放在环形照明光源下,通过三台CCD相机和普通定焦镜头配合计算机端的图像采集软件,采集雪茄烟三个不同位置的茄衣外观图像;
2)将三台相机获取的三个不同位置的茄衣外观图像拼接成二维图像,即为该雪茄烟茄衣的整体外观图像;例如通过调整三台相机的位置,使一台相机在雪茄烟正上方,另外两台分别在雪茄烟两侧,使三个相机拍摄的雪茄烟茄衣外观图像通过拼接后能得到雪茄烟茄衣的整体外观图像;
3)将步骤2)中的雪茄烟二维图像分割为100个正方形区域(如图2所示),将区域标记为S1~S100;
4)在HSV颜色空间下提取每个区域HSV颜色特征的H分量值,作为每个区域的颜色特征值;
5)基于Grubbs检验方法对100个区域的H分量值进行异常值分析,经分析无异常值;
6)取这100个区域的H分量值的平均值作为该支雪茄烟茄衣的总体颜色特征值,该支雪茄烟茄衣的总体颜色特征值为H=24.3;
7)通过专家系统建立同批次雪茄烟每种颜色类别对应的总体颜色特征值范围,具体如下:选取100支已经由选色师分为5类(每类20支)的雪茄烟,通过步骤1)~6)的方法获取每类雪茄烟的总体颜色特征值范围,5类雪茄烟的总体颜色特征值范围分别如下表所示:
表1同批次雪茄烟每种颜色类别对应的总体颜色特征值范围
8)将步骤6)获取的该支雪茄烟茄衣的总体颜色特征值与步骤7)表1中同批次雪茄烟每种颜色类别对应的总体颜色特征值范围进行对比,确定该支雪茄烟属于第2类。
9)重复以上步骤,可以完成对一批雪茄烟的外观分类。
二、以旋转得到待分类雪茄烟茄衣的整体外观图像、在RGB颜色空间下提取每个区域的颜色特征值且颜色特征值为每个区域RGB颜色特征的R分量值、G分量值和B分量值的归一化值为例:
1)将一支雪茄烟放在平面照明光源下,通过一台CCD相机和镜头配合计算机端的图像采集软件,通过旋转雪茄烟的方式采集雪茄烟360°展开图像作为该雪茄烟茄衣的整体外观图像,图像像素大小为2000*5000;
2)以像素为单位将步骤1)中的雪茄烟360°展开图像分割为107个区域,将区域标记为S1~S 10,000,000;
3)在RGB颜色空间下提取每个区域RGB颜色特征的R分量值、G分量值和B分量值;
4)按照RGB=0.3R+0.3G+0.4B的方式对每个区域的三个分量值进行归一化处理得到RGB值,将归一化处理后得到的RGB值作为每个区域的颜色特征值;
5)基于控制图检验方法对107个区域的RGB值进行异常值分析,经分析无异常值;
6)取107个区域的RGB值在95%置信区间内的数据的平均值作为该支雪茄烟的总体颜色特征值,该支雪茄烟的总体颜色特征值为RGB=135;
7)通过专家系统建立同批次雪茄烟每种颜色类别对应的总体颜色特征值范围,具体如下:选取50支已经由选色师分为5类(每类10支)的雪茄烟,通过步骤1)~6)的方法获取每一类雪茄烟的总体颜色特征值范围,5类雪茄烟的总体颜色特征值范围如下表所示:
表2同批次雪茄烟每种颜色类别对应的总体颜色特征值范围
8)将步骤7)获取的该支雪茄烟的总体颜色特征值与步骤8)表2中同批次雪茄烟每种颜色类别对应的总体颜色特征值范围进行对比,确定该支雪茄烟分为第4类。
9)重复以上步骤,可以完成对一批雪茄烟的外观评价和分类。
三、以拼接得到待分类雪茄烟茄衣的整体外观图像、在HSV颜色空间下提取每个区域的颜色特征值且颜色特征值为每个区域HSV颜色特征S分量的颜色矩为例:
1)将一支雪茄烟摆放在环形照明光源下,通过三台CCD相机和普通定焦镜头配合计算机端的图像采集软件,采集雪茄烟三个不同位置的茄衣外观图像;
2)将三台相机获取的三个不同位置的茄衣外观图像拼接成二维图像,即为该雪茄烟茄衣的整体外观图像;
3)将步骤2)中的雪茄烟二维图像分割为10个正方形区域,将区域标记为S1~S10;
4)在HSV颜色空间下提取每个区域HSV颜色特征S分量的颜色矩,作为每个区域的颜色特征值;某支雪茄烟10个区域的S分量的颜色矩见表3:
表3某支雪茄烟10个区域的S分量的颜色矩
区域 | S分量的颜色矩 |
1 | 103 |
2 | 105 |
3 | 107 |
4 | 106 |
5 | 102 |
6 | 103 |
7 | 118 |
8 | 106 |
9 | 104 |
10 | 105 |
5)基于Grubbs检验方法对10个区域的S分量的颜色矩进行异常值分析,分析结果如图3所示,经分析确定区域7的S分量的颜色矩为异常值;
6)将该支雪茄烟标记为外观缺陷烟支。
综上所述,本实施例的雪茄烟外观分类方法是一种基于雪茄烟颜色特征进行雪茄烟外观分类的方法,是一种定量化的分类方法,准确率远高于人工分选方法,雪茄烟外观分类过程完全自动化处理,重复性和再现性好,能够大幅提高测试效率,显著降低劳动量。
本实施例的雪茄烟外观分类方法基于计算机视觉的颜色分析和外观评价技术能够模拟选色师的分选过程,将定性过程转化为定量过程,评价过程不受主观因素干扰,能够大幅度提高雪茄烟外观评价分类的准确性,从而为雪茄烟选色分类提供高效的技术手段。
方法实施例:
本实施例的雪茄烟外观分类方法与装置实施例中的雪茄烟外观分类方法相同,此处不再赘述。
Claims (7)
1.一种雪茄烟外观分类方法,其特征在于,该方法包括以下步骤:
1)获取待分类雪茄烟茄衣的整体外观图像;
2)将所述待分类雪茄烟茄衣的整体外观图像等分为n个区域,n≥1,并提取每个区域的颜色特征值;
3)通过对这n个区域的颜色特征值进行统计分析判断是否有异常值,若有,则将该待分类雪茄烟标记为外观缺陷烟支;
4)若无异常值,则对这n个区域的颜色特征值进行归一化处理,得到该待分类雪茄烟茄衣的总体颜色特征值;
5)将该待分类雪茄烟茄衣的总体颜色特征值与预先确定的同批次雪茄烟每种颜色类别对应的总体颜色特征值范围进行对比,根据对比情况确定该待分类雪茄烟所属的颜色类别;
所述步骤2)中在RGB颜色空间、HSV颜色空间或LAB颜色空间下提取每个区域的颜色特征值;
当在RGB颜色空间下提取每个区域的颜色特征值时,每个区域的颜色特征值为相应区域RGB颜色特征的R分量值、G分量值和B分量值的归一化值,或者为相应区域RGB颜色特征任意一个分量的颜色矩或颜色集;当在LAB颜色空间下提取每个区域的颜色特征值时,每个区域的颜色特征值为相应区域LAB颜色特征的L分量值、A分量值和B分量值的归一化值,或者为相应区域LAB颜色特征任意一个分量的颜色矩或颜色集;当在HSV颜色空间下提取每个区域的颜色特征值时,每个区域的颜色特征值为相应区域HSV颜色特征的H分量值或S分量值,或者为相应区域HSV颜色特征H分量的颜色矩或颜色集,或者为相应区域HSV颜色特征S分量的颜色矩或颜色集;
所述步骤2)中将所述待分类雪茄烟茄衣的整体外观图像等分为n个区域通过以下步骤实现:将所述待分类雪茄烟茄衣的整体外观图像等分为n个正方形区域,每个正方形区域内包含多个像素点;或者,以像素为单位将所述待分类雪茄烟茄衣的整体外观图像等分为n个区域,1个区域为1个像素点。
2.根据权利要求1所述的雪茄烟外观分类方法,其特征在于,步骤4)中待分类雪茄烟茄衣的总体颜色特征值为这n个区域颜色特征值的平均值、这n个区域颜色特征值的中位值,或者这n个区域颜色特征值在某一置信区间内的数据的平均值。
3.根据权利要求1所述的雪茄烟外观分类方法,其特征在于,所述步骤1)通过以下步骤实现:分别从多个角度拍摄待分类雪茄烟不同位置的茄衣外观图像,将各不同位置的茄衣外观图像进行拼接得到待分类雪茄烟茄衣的整体外观图像;或者,通过旋转雪茄烟的方式采集待分类雪茄烟茄衣的360°展开图像作为待分类雪茄烟茄衣的整体外观图像。
4.根据权利要求3所述的雪茄烟外观分类方法,其特征在于,步骤3)中判断是否有异常值的方法为Grubbs检验方法、Dixon检验方法或控制图检验方法。
5.根据权利要求1-4任一项所述的雪茄烟外观分类方法,其特征在于,步骤5)中同批次雪茄烟每种颜色类别对应的总体颜色特征值范围通过统计分析法建立,针对同批次雪茄烟,首选从中选出若干支雪茄烟通过步骤1)~4)得到每支雪茄烟茄衣的总体颜色特征值,然后根据获取的这若干支雪茄烟茄衣的总体颜色特征值将该批次雪茄烟划分为X个颜色类别,X≥1,一个颜色类别对应一个总体颜色特征值范围,从而得到该批次雪茄烟每种颜色类别对应的总体颜色特征值范围。
6.根据权利要求1-4任一项所述的雪茄烟外观分类方法,其特征在于,步骤5)中同批次雪茄烟每种颜色类别对应的总体颜色特征值范围通过专家系统建立,针对同批次雪茄烟,首先从已经由选色师完成颜色分类的雪茄烟中选出若干支雪茄烟,这若干支雪茄烟包含Y个颜色类别,Y≥1;然后通过步骤1)~4)得到每种颜色类别下每支雪茄烟茄衣的总体颜色特征值,从而得到这若干支雪茄烟每种颜色类别对应的总体颜色特征值范围,作为该批次雪茄烟每种颜色类别对应的总体颜色特征值范围。
7.一种雪茄烟外观分类装置,其特征在于,包括图像采集装置和图像分析处理装置;所述图像采集装置用于采集待分类雪茄烟茄衣的整体外观图像,所述图像分析处理装置包括处理器和存储器,所述处理器用于执行存储在所述存储器中的计算机程序以实现权利要求1-6任一项所述的雪茄烟外观分类方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110728640.4A CN113439870B (zh) | 2021-06-29 | 2021-06-29 | 一种雪茄烟外观分类方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110728640.4A CN113439870B (zh) | 2021-06-29 | 2021-06-29 | 一种雪茄烟外观分类方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113439870A CN113439870A (zh) | 2021-09-28 |
CN113439870B true CN113439870B (zh) | 2022-10-18 |
Family
ID=77813957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110728640.4A Active CN113439870B (zh) | 2021-06-29 | 2021-06-29 | 一种雪茄烟外观分类方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113439870B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114240866B (zh) * | 2021-12-09 | 2022-07-08 | 广东省农业科学院环境园艺研究所 | 基于二维图像与三维生长信息的组培苗分级方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2201850A1 (en) * | 2008-12-24 | 2010-06-30 | Philip Morris Products S.A. | An article including identification information for use in an electrically heated smoking system |
CN103324952A (zh) * | 2013-05-27 | 2013-09-25 | 北京工业大学 | 基于特征提取的痤疮分类方法 |
CN104713835B (zh) * | 2015-03-25 | 2017-09-29 | 上海烟草集团有限责任公司 | 一种烟叶颜色在线数值化识别方法 |
CN111972700B (zh) * | 2019-05-22 | 2023-04-25 | 上海烟草集团有限责任公司 | 烟支外观检测方法及其装置、设备、系统和介质 |
-
2021
- 2021-06-29 CN CN202110728640.4A patent/CN113439870B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113439870A (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022236876A1 (zh) | 一种玻璃纸缺陷识别方法、系统、装置及存储介质 | |
CN104198325B (zh) | 基于计算机视觉的烟丝中梗丝比例测定方法 | |
CN103868935A (zh) | 基于计算机视觉的烟支外观质量检测方法 | |
CN110403232A (zh) | 一种基于二级算法的烟支质量检测方法 | |
CN111047655A (zh) | 基于卷积神经网络的高清摄像机布料疵点检测方法 | |
US20200020094A1 (en) | Artificial intelligence-based leather inspection method and leather product production method | |
CN108613989A (zh) | 一种稻谷不完善粒的检测方法 | |
CN104256882A (zh) | 基于计算机视觉的烟丝中再造烟叶比例测定方法 | |
CN110554052A (zh) | 一种人造板表面缺陷检测方法及其系统 | |
CN113439870B (zh) | 一种雪茄烟外观分类方法及装置 | |
Patki et al. | Cotton leaf disease detection & classification using multi SVM | |
CN110956627A (zh) | 智能型光学检测样品特征与瑕疵智能打光取像方法及装置 | |
CN115829976A (zh) | 一种针对外观缺陷检测的图像处理方法 | |
CN112560896A (zh) | 一种基于图像处理的水果品质筛选分类系统 | |
CN210775265U (zh) | 一种人造板表面缺陷检测系统 | |
CN117256514B (zh) | 一种用于分选系统的剔除不合格种蛋的方法 | |
CN109035225B (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 | |
CN112750113B (zh) | 基于深度学习和直线检测的玻璃瓶缺陷检测方法及装置 | |
CN111738984B (zh) | 基于分水岭和种子填充的皮肤图像斑点评估方法及系统 | |
CN112858311A (zh) | 一种基于机器视觉技术的稻米表型监测系统及方法 | |
CN117351472A (zh) | 烟叶信息检测方法、装置及电子设备 | |
CN210377552U (zh) | 一种水果分类用多面图像获取装置 | |
CN107578067A (zh) | 一种基于卷积神经网络的烟丝组分识别方法及装置 | |
CN112098415A (zh) | 一种杨梅品质无损检测方法 | |
CN112837271B (zh) | 一种甜瓜种质资源性状提取方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |