CN115619811A - 一种烟支数量的确定方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请涉及数据处理技术领域，具体涉及一种烟支数量的确定方法、装置、电子设备及存储介质，该烟支数量的确定方法包括：通过烟头所在截面的彩色图像，获取烟头所在截面的二值化图像；对二值化图像进行聚类计算得到聚类结果，对聚类结果进行图像连通域算法计算，得到初始边缘图像；初始边缘图像中包括烟支的未被覆盖的边缘点位置信息；根据初始边缘图像中各烟支的边缘点位置信息，确定目标边缘图像；目标边缘图像中包括各烟支的全部边缘点位置信息；将目标边缘图像输入到数量统计模型中，得到二值化图像对应的烟支数量，数量统计模型是根据边缘样本图像及对应的烟支数量训练得到。通过本申请的方式，能够准确统计烟支数量。

Description

一种烟支数量的确定方法、装置、电子设备及存储介质

技术领域

本发明涉及数据处理技术领域，具体而言，涉及一种烟支数量的确定方法、装置、电子设备及存储介质。

背景技术

在烟支生产过程中，生产出来的烟支需要装在烟支框中，并且还要对生产出来的烟支数量进行统计。

传统方法是通过计数器对进入该计数器的传感器检测区域内的烟支进行计数统计。但是，当烟支间的距离很短，传送速度很快时，就会导致统计的烟支数量不准确；如果为了使统计的烟支数量准确，就需要减小转送速度，增大烟支间的距离，又会导致工作效率慢。

发明内容

有鉴于此，本申请的目的在于提供一种烟支数量的确定方法、装置、电子设备及存储介质，能够准确统计烟支数量。

第一方面，本申请实施例提供了一种烟支数量的确定方法，该烟支数量的确定方法包括：

通过烟头所在截面的彩色图像，获取烟头所在截面的二值化图像；

对二值化图像进行聚类计算得到聚类结果，对聚类结果进行图像连通域算法计算，得到初始边缘图像；初始边缘图像中包括烟支的未被覆盖的边缘点位置信息；

根据初始边缘图像中各烟支的边缘点位置信息，确定目标边缘图像；目标边缘图像中包括各烟支的全部边缘点位置信息；

将目标边缘图像输入到数量统计模型中，得到二值化图像对应的烟支数量，数量统计模型是根据边缘样本图像及对应的烟支数量训练得到。

在一种可能的实施方式中，根据初始边缘图像中各烟支的边缘点位置信息，确定目标边缘图像，包括：

针对初始边缘图像中的每个烟支，根据下述公式、初始边缘图像中烟支的边缘点位置信息，确定烟支的椭圆方程；

；

其中，A、B、C、D、E均为椭圆参数，x为初始边缘图像中烟支的边缘点位置信息中各边缘点的横坐标，y为烟支的横坐标为x的边缘点的纵坐标；

根据各烟支的椭圆方程，确定各烟支在初始边缘图像中的全部边缘点位置信息，得到目标边缘图像。

在一种可能的实施方式中，通过烟头所在截面的彩色图像，获取烟头所在截面的二值化图像，包括：

将彩色图像输入到空隙识别模型中，得到彩色图像的空隙位置；

去除彩色图像中在空隙位置的图像；

将去除后的彩色图像进行二值化处理，得到烟头所在截面的二值化图像。

在一种可能的实施方式中，该方法还包括：

获取多张烟头所在截面的彩色样本图像，与彩色样本图像对应的空隙位置；

将彩色样本图像作为样本数据，与彩色样本图像对应的空隙位置作为标签，对空隙识别模型进行训练。

在一种可能的实施方式中，该方法还包括：

获取多张边缘样本图像，与边缘样本图像对应的烟支数量；

将边缘样本图像作为样本数据，与边缘样本图像对应的烟支数量作为标签，对数量统计模型进行训练。

在一种可能的实施方式中，在根据初始边缘图像中各烟支的边缘点位置信息，确定目标边缘图像之前，该方法还包括：

初始边缘图像中还包括各烟支的中心位置；

去除初始边缘图像的所有边缘点中，距所有烟支的中心位置的距离均大于第一预设距离，且小于第二预设距离的边缘点；第一预设距离大于第二预设距离。

第二方面，本申请实施例还提供了一种烟支数量的确定装置，该烟支数量的确定装置包括：

获取模块，用于通过烟头所在截面的彩色图像，获取烟头所在截面的二值化图像；

计算模块，用于对二值化图像进行聚类计算得到聚类结果，对聚类结果进行图像连通域算法计算，得到初始边缘图像；初始边缘图像中包括烟支的未被覆盖的边缘点位置信息；

确定模块，用于根据初始边缘图像中各烟支的边缘点位置信息，确定目标边缘图像；目标边缘图像中包括各烟支的全部边缘点位置信息；

输入模块，用于将目标边缘图像输入到数量统计模型中，得到二值化图像对应的烟支数量，数量统计模型是根据边缘样本图像及对应的烟支数量训练得到。

在一种可能的实施方式中，确定模块，具体用于针对初始边缘图像中的每个烟支，根据下述公式、初始边缘图像中烟支的边缘点位置信息，确定烟支的椭圆方程；

；其中，A、B、C、D、E均为椭圆参数，x为初始边缘图像中烟支的边缘点位置信息中各边缘点的横坐标，y为烟支的横坐标为x的边缘点的纵坐标；根据各烟支的椭圆方程，确定各烟支在初始边缘图像中的全部边缘点位置信息，得到目标边缘图像。

在一种可能的实施方式中，获取模块，具体用于将彩色图像输入到空隙识别模型中，得到彩色图像的空隙位置；去除彩色图像中在空隙位置的图像；将去除后的彩色图像进行二值化处理，得到烟头所在截面的二值化图像。

在一种可能的实施方式中，该装置还包括：训练模块；

获取模块，还用于获取多张烟头所在截面的彩色样本图像，与彩色样本图像对应的空隙位置；

训练模块，用于将彩色样本图像作为样本数据，与彩色样本图像对应的空隙位置作为标签，对空隙识别模型进行训练。

在一种可能的实施方式中，获取模块，还用于获取多张边缘样本图像，与边缘样本图像对应的烟支数量；

训练模块，还用于将边缘样本图像作为样本数据，与边缘样本图像对应的烟支数量作为标签，对数量统计模型进行训练。

在一种可能的实施方式中，该装置还包括：去除模块；

去除模块，用于去除初始边缘图像的所有边缘点中，距所有烟支的中心位置的距离均大于第一预设距离，且小于第二预设距离的边缘点；第一预设距离大于第二预设距离；初始边缘图像中还包括各烟支的中心位置。

第三方面，本申请实施例还提供了一种电子设备，包括：处理器、存储介质和总线，存储介质存储有处理器可执行的机器可读指令，当电子设备运行时，处理器与存储介质之间通过总线通信，处理器执行机器可读指令，以执行如第一方面任一项烟支数量的确定方法的步骤。

第四方面，本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行如第一方面任一项烟支数量的确定方法的步骤。

本申请实施例提供了一种烟支数量的确定方法、装置、电子设备及存储介质，该烟支数量的确定方法包括：通过烟头所在截面的彩色图像，获取烟头所在截面的二值化图像；对二值化图像进行聚类计算得到聚类结果，对聚类结果进行图像连通域算法计算，得到初始边缘图像；初始边缘图像中包括烟支的未被覆盖的边缘点位置信息；根据初始边缘图像中各烟支的边缘点位置信息，确定目标边缘图像；目标边缘图像中包括各烟支的全部边缘点位置信息；将目标边缘图像输入到数量统计模型中，得到二值化图像对应的烟支数量，数量统计模型是根据边缘样本图像及对应的烟支数量训练得到。本申请通过对烟头所在截面的二值化图像进行聚类计算得到聚类结果，对聚类结果进行图像连通域算法计算，得到初始边缘图像；并将根据初始边缘图像中各烟支的边缘点位置信息确定的目标边缘图像输入到数量统计模型中，得到烟支数量，能够准确统计烟支数量。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本申请实施例提供的一种烟支数量的确定方法的流程图；

图2示出了本申请实施例提供的另一种烟支数量的确定方法的流程图；

图3示出了本申请实施例提供的另一种烟支数量的确定方法的流程图；

图4示出了本申请实施例提供的一种烟支数量的确定装置的结构示意图；

图5示出了本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。 应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。 此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。

另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

为了使得本领域技术人员能够使用本申请内容，结合特定应用场景“数据处理技术领域”，给出以下实施方式。对于本领域技术人员来说，在不脱离本申请的精神和范围的情况下，可以将这里定义的一般原理应用于其他实施例和应用场景。虽然本申请主要围绕“数据处理技术领域”进行描述，但是应该理解，这仅是一个示例性实施例。

需要说明的是，本申请实施例中将会用到术语“包括”，用于指出其后所声明的特征的存在，但并不排除增加其它的特征。

下面对本申请实施例提供的一种烟支数量的确定方法进行详细说明。

参照图1所示，为本申请实施例提供的一种烟支数量的确定方法的流程示意图，下面对本申请实施例示例性的各步骤进行说明：

S101、通过烟头所在截面的彩色图像，获取烟头所在截面的二值化图像。

在本申请实施方式中，在烟支生产车间中，智能检测终端自动采用工业彩色相机拍照获取烟头所在截面的彩色图像，烟头所在截面指的是烟草暴漏出来的那一侧的截面，彩色图像中的所有烟支的图像均是烟头所在截面。

具体地，将彩色图像输入到空隙识别模型中，得到彩色图像的空隙位置；去除彩色图像中在空隙位置的图像；将去除后的彩色图像进行二值化处理，得到烟头所在截面的二值化图像。

在本申请实施方式中，该空隙识别模型用于确定彩色图像中烟支间存在的空隙的位置。该空隙识别模型根据彩色样本图像以及彩色样本图像对应的空隙位置作为标签进行训练得到的模型。将获取的烟头所在截面的彩色图像输入到该空隙识别模型中，可以得到该彩色图像对应的空隙位置，空隙位置指的是该彩色图像中烟支间的空隙的所在位置。然后去除彩色图像中在该空隙位置部分的图像，得到去除空隙后的彩色图像，也就是去除后的彩色图像。将去除后的彩色图像进行二值化处理，得到烟头所在截面的二值化图像。其中，该二值化图像是由像素值0和1的组成的图像，将彩色图像的烟草部分的像素值设置为0，将包括烟草的烟头的白纸边缘部分的像素值设置为1。烟草部分在彩色图像中一般为棕色。

这里，将彩色图像的烟支间的空隙去除掉，是为了防止当烟支间的空隙与烟头的形状相似度较高时导致误认为该空隙部分是烟支，从而导致统计的烟支数量不准确。

S102、对二值化图像进行聚类计算得到聚类结果，对聚类结果进行图像连通域算法计算，得到初始边缘图像。

在本申请实施方式中，对二值化图像进行聚类计算得到聚类结果之后，可以确定该二值化图像中的各烟支的烟草所在位置区域以及烟头的边缘区域，然后将包含聚类结果的二值化图像在进行连通域算法计算，将存在重叠的烟支间重叠部分的像素值为1的像素点的像素值设置为0，也就是将存在重叠的烟支间重叠部分的白色烟草包围纸部分的像素点从1设置为0。因此，得到的初始边缘图像中包括的边缘点位置信息是烟支没有被覆盖的边缘点位置信息，也就是没有和其他烟支重叠的边缘点位置信息。

其中，初始边缘图像中包括烟支的未被覆盖的边缘点位置信息。

进一步地，初始边缘图像中还包括各烟支的中心位置；去除初始边缘图像的所有边缘点中，距所有烟支的中心位置的距离均大于第一预设距离，且小于第二预设距离的边缘点；第一预设距离大于第二预设距离。

这里，去除初始边缘图像中距所有烟支的中心位置的距离均大于第一预设距离，且小于第二预设距离的边缘点，是为了清理除烟头边缘轮廓之外的异常像素点。

S103、根据初始边缘图像中各烟支的边缘点位置信息，确定目标边缘图像；目标边缘图像中包括各烟支的全部边缘点位置信息。

具体地，针对初始边缘图像中的每个烟支，根据下述公式、初始边缘图像中烟支的边缘点位置信息，确定烟支的椭圆方程。

。

其中，A、B、C、D、E均为椭圆参数，x为初始边缘图像中烟支的边缘点位置信息中各边缘点的横坐标，y为烟支的横坐标为x的边缘点的纵坐标。

这里，针对每一个烟支，将初始边缘图像中该烟支的所有边缘点位置信息代入椭圆公式中，可以得到该烟支的椭圆方程。每一个烟支都对应一个椭圆方程。

根据各烟支的椭圆方程，确定各烟支在初始边缘图像中的全部边缘点位置信息，得到目标边缘图像。

在本申请实施方式中，在清楚每个烟支的椭圆方程之后，即可知道各烟支在初始边缘图像中的全部边缘点位置信息，将各烟支在初始边缘图像中的全部边缘点位置信息对应的位置的像素点设置为1。也就是将烟支被覆盖部分的边缘点的像素点由0变成了1。

这里，由于烟支框内的烟支数量较多，导致很多烟头部分边缘区域被遮挡或覆盖，因而边缘轮廓界限不是很明显，使统计的烟支数量不准确，本申请通过步骤S102以及步骤S103可以将图像中所有烟支的边缘轮廓补齐，得到所有烟支的全部边缘点位置信息，提高统计烟支数量的准确率。

S104、将目标边缘图像输入到数量统计模型中，得到二值化图像对应的烟支数量，数量统计模型是根据边缘样本图像及对应的烟支数量训练得到。

在本申请实施方式中，数量统计模型用于统计目标边缘图像中的烟支数量，该数量统计模型是根据边缘样本图像及边缘样本图像对应的烟支数量训练得到的。将目标边缘图像输入到数量统计模型中，即可得到二值化图像对应的烟支数量。

本申请实施例提供了一种烟支数量的确定方法，该烟支数量的确定方法包括：通过烟头所在截面的彩色图像，获取烟头所在截面的二值化图像；对二值化图像进行聚类计算得到聚类结果，对聚类结果进行图像连通域算法计算，得到初始边缘图像；初始边缘图像中包括烟支的未被覆盖的边缘点位置信息；根据初始边缘图像中各烟支的边缘点位置信息，确定目标边缘图像；目标边缘图像中包括各烟支的全部边缘点位置信息；将目标边缘图像输入到数量统计模型中，得到二值化图像对应的烟支数量，数量统计模型是根据边缘样本图像及对应的烟支数量训练得到。本申请通过对烟头所在截面的二值化图像进行聚类计算得到聚类结果，对聚类结果进行图像连通域算法计算，得到初始边缘图像；并将根据初始边缘图像中各烟支的边缘点位置信息确定的目标边缘图像输入到数量统计模型中，得到烟支数量，能够准确统计烟支数量。

参照图2所示，为本申请实施例提供的另一种烟支数量的确定方法的流程示意图，下面对本申请实施例示例性的各步骤进行说明：

S201、获取多张烟头所在截面的彩色样本图像，与彩色样本图像对应的空隙位置。

在本申请实施方式中，智能检测终端自动采用工业彩色相机拍照获取多张烟头所在截面的彩色样本图像，与彩色样本图像对应的空隙位置。

S202、将彩色样本图像作为样本数据，与彩色样本图像对应的空隙位置作为标签，对空隙识别模型进行训练。

在本申请实施方式中，将每一张彩色样本图像分别输入到空隙识别模型中，得到各彩色样本图像的第一空隙位置；根据所有各彩色样本图像的第一空隙位置、空隙位置确定当前空隙识别模型的准确率，若所述准确率小于预设准确率，则更新当前空隙识别模型。重复上述步骤，直到该空隙识别模型收敛，得到最终的空隙识别模型。

本申请实施例提供了另一种烟支数量的确定方法，该方法包括：取多张烟头所在截面的彩色样本图像，与彩色样本图像对应的空隙位置；将彩色样本图像作为样本数据，与彩色样本图像对应的空隙位置作为标签，对空隙识别模型进行训练。通过本申请的实施方式，可以得到准确率较高的用于确定彩色样本图像的空隙位置的空隙识别模型。

参照图3所示，为本申请实施例提供的另一种烟支数量的确定方法的流程示意图，下面对本申请实施例示例性的各步骤进行说明：

S301、获取多张边缘样本图像，与边缘样本图像对应的烟支数量。

在本申请实施方式中，边缘样本图像是包含烟支的全部边缘位置信息的图像，获取多张边缘样本图像，与边缘样本图像对应的烟支数量。

S302、将边缘样本图像作为样本数据，与边缘样本图像对应的烟支数量作为标签，对数量统计模型进行训练。

在本申请实施方式中，将每一张边缘样本图像分别输入到数量统计模型中，得到各边缘样本图像的第一烟支数量；根据所有各边缘样本图像的第一烟支数量、烟支数量确定当前数量统计模型的准确率，若所述准确率小于预设准确率，则更新当前数量统计模型。重复上述步骤，直到该数量统计模型收敛，得到最终的数量统计模型。

在本申请实施方式中，本申请提供了另一种烟支数量的确定方法，该方法包括：获取多张边缘样本图像，与边缘样本图像对应的烟支数量；将边缘样本图像作为样本数据，与边缘样本图像对应的烟支数量作为标签，对数量统计模型进行训练。通过本申请的实施方式，可以得到准确率较高的用于确定边缘样本图像的烟支数量的数量统计模型。

参照图4所示，为本申请实施例提供的一种烟支数量的确定装置，该烟支数量的确定装置包括：

获取模块401，用于通过烟头所在截面的彩色图像，获取烟头所在截面的二值化图像；

计算模块402，用于对二值化图像进行聚类计算得到聚类结果，对聚类结果进行图像连通域算法计算，得到初始边缘图像；初始边缘图像中包括烟支的未被覆盖的边缘点位置信息；

确定模块403，用于根据初始边缘图像中各烟支的边缘点位置信息，确定目标边缘图像；目标边缘图像中包括各烟支的全部边缘点位置信息；

输入模块404，用于将目标边缘图像输入到数量统计模型中，得到二值化图像对应的烟支数量，数量统计模型是根据边缘样本图像及对应的烟支数量训练得到。

在一种可能的实施方式中，确定模块403，具体用于针对初始边缘图像中的每个烟支，根据下述公式、初始边缘图像中烟支的边缘点位置信息，确定烟支的椭圆方程；

；其中，A、B、C、D、E均为椭圆参数，x为初始边缘图像中烟支的边缘点位置信息中各边缘点的横坐标，y为烟支的横坐标为x的边缘点的纵坐标；根据各烟支的椭圆方程，确定各烟支在初始边缘图像中的全部边缘点位置信息，得到目标边缘图像。

在一种可能的实施方式中，获取模块401，具体用于将彩色图像输入到空隙识别模型中，得到彩色图像的空隙位置；去除彩色图像中在空隙位置的图像；将去除后的彩色图像进行二值化处理，得到烟头所在截面的二值化图像。

在一种可能的实施方式中，该装置还包括：训练模块405；

获取模块401，还用于获取多张烟头所在截面的彩色样本图像，与彩色样本图像对应的空隙位置；

训练模块405，用于将彩色样本图像作为样本数据，与彩色样本图像对应的空隙位置作为标签，对空隙识别模型进行训练。

在一种可能的实施方式中，获取模块401，还用于获取多张目标边缘图像，与目标边缘图像对应的烟支数量；

训练模块405，还用于将目标边缘图像作为样本数据，与目标边缘图像对应的烟支数量作为标签，对数量统计模型进行训练。

在一种可能的实施方式中，该装置还包括：去除模块406；

去除模块406，用于去除初始边缘图像的所有边缘点中，距所有烟支的中心位置的距离均大于第一预设距离，且小于第二预设距离的边缘点；第一预设距离大于第二预设距离；初始边缘图像中还包括各烟支的中心位置。

本申请实施例提供了一种烟支数量的确定装置，该烟支数量的确定装置包括：获取模块401，用于通过烟头所在截面的彩色图像，获取烟头所在截面的二值化图像；计算模块402，用于对二值化图像进行聚类计算得到聚类结果，对聚类结果进行图像连通域算法计算，得到初始边缘图像；初始边缘图像中包括烟支的未被覆盖的边缘点位置信息；确定模块403，用于根据初始边缘图像中各烟支的边缘点位置信息，确定目标边缘图像；目标边缘图像中包括各烟支的全部边缘点位置信息；输入模块404，用于将目标边缘图像输入到数量统计模型中，得到二值化图像对应的烟支数量，数量统计模型是根据边缘样本图像及对应的烟支数量训练得到。本申请通过对烟头所在截面的二值化图像进行聚类计算得到聚类结果，对聚类结果进行图像连通域算法计算，得到初始边缘图像；并将根据初始边缘图像中各烟支的边缘点位置信息确定的目标边缘图像输入到数量统计模型中，得到烟支数量，能够准确统计烟支数量。

如图5所示，本申请实施例提供的一种电子设备500，包括：处理器501、存储器502和总线，存储器502存储有处理器501可执行的机器可读指令，当电子设备运行时，处理器501与存储器502之间通过总线通信，处理器501执行机器可读指令，以执行如上述烟支数量的确定方法的步骤。

具体地，上述存储器502和处理器501能够为通用的存储器和处理器，这里不做具体限定，当处理器501运行存储器502存储的计算机程序时，能够执行上述烟支数量的确定方法。

对应于上述烟支数量的确定方法，本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述烟支数量的确定方法的步骤。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考方法实施例中的对应过程，本申请中不再赘述。在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述信息处理方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种烟支数量的确定方法，其特征在于，所述烟支数量的确定方法包括：

通过烟头所在截面的彩色图像，获取烟头所在截面的二值化图像；

对所述二值化图像进行聚类计算得到聚类结果，对所述聚类结果进行图像连通域算法计算，得到初始边缘图像；所述初始边缘图像中包括烟支的未被覆盖的边缘点位置信息；

根据所述初始边缘图像中各烟支的边缘点位置信息，确定目标边缘图像；所述目标边缘图像中包括各烟支的全部边缘点位置信息；

将所述目标边缘图像输入到数量统计模型中，得到所述二值化图像对应的烟支数量，所述数量统计模型是根据边缘样本图像及对应的烟支数量训练得到。

2.根据权利要求1所述的烟支数量的确定方法，其特征在于，所述根据所述初始边缘图像中各烟支的边缘点位置信息，确定目标边缘图像，包括：

针对所述初始边缘图像中的每个烟支，根据下述公式、所述初始边缘图像中所述烟支的边缘点位置信息，确定所述烟支的椭圆方程；

；

其中，A、B、C、D、E均为椭圆参数，x为初始边缘图像中所述烟支的边缘点位置信息中各边缘点的横坐标，y为所述烟支的横坐标为x的边缘点的纵坐标；

根据各烟支的椭圆方程，确定各烟支在所述初始边缘图像中的全部边缘点位置信息，得到目标边缘图像。

3.根据权利要求1或2所述的烟支数量的确定方法，其特征在于，通过烟头所在截面的彩色图像，获取烟头所在截面的二值化图像，包括：

将所述彩色图像输入到空隙识别模型中，得到所述彩色图像的空隙位置；

去除所述彩色图像中在所述空隙位置的图像；

将去除后的彩色图像进行二值化处理，得到烟头所在截面的二值化图像。

4.根据权利要求3所述的烟支数量的确定方法，其特征在于，所述方法还包括：

获取多张烟头所在截面的彩色样本图像，与所述彩色样本图像对应的空隙位置；

将所述彩色样本图像作为样本数据，与所述彩色样本图像对应的空隙位置作为标签，对所述空隙识别模型进行训练。

5.根据权利要求1或2所述的烟支数量的确定方法，其特征在于，所述方法还包括：

获取多张所述边缘样本图像，与所述边缘样本图像对应的烟支数量；

将所述边缘样本图像作为样本数据，与所述边缘样本图像对应的烟支数量作为标签，对所述数量统计模型进行训练。

6.根据权利要求1或2所述的烟支数量的确定方法，其特征在于，在所述根据所述初始边缘图像中各烟支的边缘点位置信息，确定目标边缘图像之前，所述方法还包括：

所述初始边缘图像中还包括各烟支的中心位置；

去除所述初始边缘图像的所有边缘点中，距所有烟支的中心位置的距离均大于第一预设距离，且小于第二预设距离的边缘点；所述第一预设距离大于所述第二预设距离。

7.一种烟支数量的确定装置，其特征在于，所述烟支数量的确定装置包括：

获取模块，用于通过烟头所在截面的彩色图像，获取烟头所在截面的二值化图像；

计算模块，用于对所述二值化图像进行聚类计算得到聚类结果，对所述聚类结果进行图像连通域算法计算，得到初始边缘图像；所述初始边缘图像中包括烟支的未被覆盖的边缘点位置信息；

确定模块，用于根据所述初始边缘图像中各烟支的边缘点位置信息，确定目标边缘图像；所述目标边缘图像中包括各烟支的全部边缘点位置信息；

输入模块，用于将所述目标边缘图像输入到数量统计模型中，得到所述二值化图像对应的烟支数量，所述数量统计模型是根据边缘样本图像及对应的烟支数量训练得到。

8.根据权利要求7所述的烟支数量的确定装置，其特征在于，所述确定模块，具体用于：

针对所述初始边缘图像中的每个烟支，根据下述公式、所述初始边缘图像中所述烟支的边缘点位置信息，确定所述烟支的椭圆方程；

；

其中，A、B、C、D、E均为椭圆参数，x为初始边缘图像中所述烟支的边缘点位置信息中各边缘点的横坐标，y为所述烟支的横坐标为x的边缘点的纵坐标；

根据各烟支的椭圆方程，确定各烟支在所述初始边缘图像中的全部边缘点位置信息，得到目标边缘图像。

9.一种电子设备，其特征在于，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行如权利要求1至6任一项所述的烟支数量的确定方法的步骤。

10.一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上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至6任一项所述的烟支数量的确定方法的步骤。

Images