CN115810125A - 一种基于彩色光谱的烟叶检测方法、装置、设备及介质 - Google Patents
一种基于彩色光谱的烟叶检测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115810125A CN115810125A CN202211577864.0A CN202211577864A CN115810125A CN 115810125 A CN115810125 A CN 115810125A CN 202211577864 A CN202211577864 A CN 202211577864A CN 115810125 A CN115810125 A CN 115810125A
- Authority
- CN
- China
- Prior art keywords
- data
- color spectrum
- processed
- scanned
- target
- 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
- 238000001228 spectrum Methods 0.000 title claims abstract description 121
- 235000002637 Nicotiana tabacum Nutrition 0.000 title claims abstract description 76
- 238000001514 detection method Methods 0.000 title claims abstract description 30
- 244000061176 Nicotiana tabacum Species 0.000 title 1
- 241000208125 Nicotiana Species 0.000 claims abstract description 75
- 230000003595 spectral effect Effects 0.000 claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000009877 rendering Methods 0.000 claims description 9
- 238000007637 random forest analysis Methods 0.000 claims description 7
- 230000003287 optical effect Effects 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 230000015654 memory Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 235000019504 cigarettes Nutrition 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请提供了一种基于彩色光谱的烟叶检测方法、装置、电子设备及存储介质，该方法包括：通过彩色光谱对待检测烟叶的待扫描面进行扫描处理，得到待扫描面的彩色光谱数据，获取待扫描面的光谱照片，并将光谱照片中色域值处于预设的色域区间的区域确定为疑似区域；将彩色光谱数据中位于疑似区域的数据作为待处理数据；对待处理数据进行解析处理，得到目标数据集，对目标数据集进行识别处理，得到待处理数据中每个点的识别结果。本申请能够提高烟叶霉变的检测精度以及效率。
Description
技术领域
本申请涉及图像分析技术领域，尤其涉及一种基于彩色光谱的烟叶检测方法、装置、设备及介质。
背景技术
卷烟厂在进行制丝生产时，烟叶是其主要的生产原料，烟叶质量的好坏很大程度上决定生产最终成品的质量，霉变就是其中影响烟叶质量较大的情况。烟叶发生霉变后，不光烟叶的外表和香味的品质会降低，并且也会对人体造成危害，如何对烟叶进行霉变检测是卷烟生产上亟待解决的重要课题。
由于烟叶中霉变包含特殊的化学物质成分，利用物质的近红外光谱波特征，构建有效表征霉变的模型，现有技术中都是对单点进行检测，可以有效进行有无霉变判断，但是，烟叶的表面积通常较大，单点检测的效率低。
发明内容
有鉴于此，本申请实施例提供了一种基于彩色光谱的烟叶检测方法、装置、电子设备及存储介质，能够提高烟叶霉变的检测精度以及效率。
本申请实施例的技术方案是这样实现的：
第一方面，本申请实施例提供一种基于彩色光谱的烟叶检测方法，包括以下步骤：
通过彩色光谱对待检测烟叶的待扫描面进行扫描处理，得到所述待扫描面的彩色光谱数据，其中，所述彩色光谱中包括至少一个波段，所述彩色光谱数据包括所述待扫描面中每个点在对应的所述波段下的反射数据；
获取所述待扫描面的光谱照片，并将所述光谱照片中色域值处于预设的色域区间的区域确定为疑似区域；
将所述彩色光谱数据中位于所述疑似区域的数据作为待处理数据；
对所述待处理数据进行解析处理，得到目标数据集，其中，所述目标数据集包括所述待处理数据中每个点在对应的所述波段下的反射数据；
对所述目标数据集进行识别处理，得到所述待处理数据中每个点的识别结果。
在一种可能的实施方式中，所述彩色光谱的波长范围为1000nm～2500nm，所述通过彩色光谱对待检测烟叶的待扫描面进行扫描处理，得到所述待扫描面的彩色光谱数据，包括：
通过彩色光谱设备对所述待检测烟叶的待扫描面进行扫描处理，得到扫描结果；
从扫描结果中读取所述彩色光谱数据。
在一种可能的实施方式中，所述获取所述待扫描面的光谱照片，并将所述光谱照片中色域值处于预设的色域区间的区域确定为疑似区域，包括：
通过光学镜头对所述待扫描面进行拍摄处理，得到所述待扫描面的光谱照片；
针对所述光谱照片，对所述光谱照片按预设的网格进行划分，得到至少一个目标区域，当所述目标区域中存在处于预设的色域区间的点时，将所述目标区域确定为所述疑似区域，或者，对所述光谱照片中的点进行遍历，将遍历结果中色域值处于预设的色域区间的点确定为所述疑似区域。
在一种可能的实施方式中，所述对所述待处理数据进行解析处理，得到目标数据集，包括：
从所述待处理数据依次读取每个点在对应的所述波段下的反射数据，并将读取到的每个点在对应的所述波段下的反射数据作为目标子数据；
将所述目标子数据存入目标集合中，得到所述目标数据集。
在一种可能的实施方式中，所述对所述目标数据集进行识别处理，得到所述待处理数据中每个点的识别结果，包括：
将所述目标数据集输入随机森林分类器进行分类处理，得到至少一个分类结果，其中，所述至少一个分类结果中每个分类结果携带有置信度；
当所述置信度大于预设值的分类结果确定为霉变点，并将所述霉变点的位置进行标记处理。
在一种可能的实施方式中，所述方法还包括：
当所述识别结果中存在霉变时，确定发生霉变的点在所述目标数据集中的占比；
当所述占比高于预设的比例值时，确定所述待检测烟叶为不合格产品。
在一种可能的实施方式中，所述识别结果包括霉变和未霉变，所述方法还包括：
将霉变和未霉变的识别结果用不同的颜色在所述光谱照片进行渲染；
通过人机交互界面显示渲染结果。
第二方面，本申请实施例还提供一种基于彩色光谱的烟叶检测装置，所述装置包括：
扫描模块，用于通过彩色光谱对待检测烟叶的待扫描面进行扫描处理，得到所述待扫描面的彩色光谱数据，其中，所述彩色光谱中包括至少一个波段，所述彩色光谱数据包括所述待扫描面中每个点在对应的所述波段下的反射数据；
第一确定模块，用于获取所述待扫描面的光谱照片，并将所述光谱照片中色域值处于预设的色域区间的区域确定为疑似区域；
第二确定模块，用于将所述彩色光谱数据中位于所述疑似区域的数据作为待处理数据；
解析模块，用于对所述待处理数据进行解析处理，得到目标数据集，其中，所述目标数据集包括所述待处理数据中每个点在对应的所述波段下的反射数据；
识别模块，用于对所述目标数据集进行识别处理，得到所述待处理数据中每个点的识别结果。
第三方面，本申请实施例还提供一种电子设备，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，以执行第一方面任一项所述的基于彩色光谱的烟叶检测方法。
第四方面，本申请实施例还提供一种计算机可读存储介质，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第一方面任一项所述的基于彩色光谱的烟叶检测方法。
本申请实施例具有以下有益效果：
通过彩色光谱对待检测烟叶的待扫描面进行扫描处理，得到待扫描面的彩色光谱数据，并且获取待扫描面的光谱照片，并将光谱照片中色域值处于预设的色域区间的区域确定为疑似区域，接着将彩色光谱数据中位于所述疑似区域的数据作为待处理数据，对所述待处理数据进行解析处理，得到目标数据集，这样，得到的目标数据集中包括了待检测烟叶表面每一个点的的反射数据，并且，每个点的反射数据是分波段的，不同的波段均对应一个反射数据，大大提高了数据量，并且减少了扫描时间，最后，对目标数据集进行识别处理，识别的过程中，可以通过随机森林分类器进行分类，进一步提高分类效率，得到所述待处理数据中每个点的识别结果。
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是本申请实施例提供的步骤S101-S105的流程示意图；
图2是本申请实施例提供的步骤S1011-S1012的流程示意图；
图3是本申请实施例提供的步骤S1021-S1022的流程示意图；
图4是本申请实施例提供的步骤S1041-S1042的流程示意图；
图5是本申请实施例提供的步骤S1051-S1052的流程示意图；
图6是本申请实施例提供的步骤S201-S202的流程示意图；
图7是本申请实施例提供的基于彩色光谱的烟叶检测装置的结构示意图；
图8是本申请实施例提供的电子设备的组成结构示意图。
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。
在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
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。
在以下的描述中，所涉及的术语“第一\第二\第三”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
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。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语是为了描述本申请实施例的目的，不是在限制本申请。
参见图1，图1是本申请实施例提供的基于彩色光谱的烟叶检测方法步骤S101-S105的流程示意图，将结合图1示出的步骤S101-S105进行说明。
步骤S101，通过彩色光谱对待检测烟叶的待扫描面进行扫描处理，得到所述待扫描面的彩色光谱数据，其中，所述彩色光谱中包括至少一个波段，所述彩色光谱数据包括所述待扫描面中每个点在对应的所述波段下的反射数据；
步骤S102，获取所述待扫描面的光谱照片，并将所述光谱照片中色域值处于预设的色域区间的区域确定为疑似区域；
步骤S103，将所述彩色光谱数据中位于所述疑似区域的数据作为待处理数据；
步骤S104，对所述待处理数据进行解析处理，得到目标数据集，其中，所述目标数据集包括所述待处理数据中每个点在对应的所述波段下的反射数据；
步骤S105，对所述目标数据集进行识别处理，得到所述待处理数据中每个点的识别结果。
上述基于彩色光谱的烟叶检测方法，通过彩色光谱对待检测烟叶的待扫描面进行扫描处理，得到待扫描面的彩色光谱数据，并且获取待扫描面的光谱照片，并将光谱照片中色域值处于预设的色域区间的区域确定为疑似区域，接着将彩色光谱数据中位于所述疑似区域的数据作为待处理数据，对所述待处理数据进行解析处理，得到目标数据集，这样，得到的目标数据集中包括了待检测烟叶表面每一个点的的反射数据，并且，每个点的反射数据是分波段的，不同的波段均对应一个反射数据，大大提高了数据量，并且减少了扫描时间，最后，对目标数据集进行识别处理，识别的过程中，可以通过随机森林分类器进行分类，进一步提高分类效率，得到所述待处理数据中每个点的识别结果。
下面分别对本申请实施例的上述示例性的各步骤进行说明。
在步骤S101中，通过彩色光谱对待检测烟叶的待扫描面进行扫描处理，得到所述待扫描面的彩色光谱数据，其中，所述彩色光谱中包括至少一个波段，所述彩色光谱数据包括所述待扫描面中每个点在对应的所述波段下的反射数据。
在一些实施例中，参见图2，图2是本申请实施例提供的步骤S1011-S1012的流程示意图，所述彩色光谱的波长范围为1000nm～2500nm，图1示出的步骤S101可以通过步骤S1011-S1012实现，将结合各步骤进行说明。
在步骤S1011中，通过彩色光谱设备对所述待检测烟叶的待扫描面进行扫描处理，得到扫描结果。
在步骤S1012中，从扫描结果中读取所述彩色光谱数据。
这里，选用波长范围为1000nm～2500nm的彩色光谱对待检测烟叶的待扫描面进行扫描处理，按照波长的范围平均划分为200个不同的波段，在对待检测烟叶的待扫描面进行扫描时，每一个点的扫描后的彩色光谱数据均包括了200个不同波段的数据。
在步骤S102中，获取所述待扫描面的光谱照片，并将所述光谱照片中色域值处于预设的色域区间的区域确定为疑似区域。
在一些实施例中，参见图3，图3是本申请实施例提供的步骤S1021-S1022的流程示意图，图1示出的步骤S102可以通过步骤S1021-S1022实现，将结合各步骤进行说明。
在步骤S1021中，通过光学镜头对所述待扫描面进行拍摄处理，得到所述待扫描面的光谱照片。
在步骤S1022中，针对所述光谱照片，对所述光谱照片按预设的网格进行划分，得到至少一个目标区域，当所述目标区域中存在处于预设的色域区间的点时，将所述目标区域确定为所述疑似区域，或者，对所述光谱照片中的点进行遍历，将遍历结果中色域值处于预设的色域区间的点确定为所述疑似区域。
这里，为了减少需要处理的数据量，可以对光谱照片按预设的网格进行划分，划分为多个目标区域，然后对多个目标区域分别进行检测，当目标区域中存在颜色异常的点(处于预设的色域区间)时，则该目标区域被确定为疑似区域，后续仅需对疑似区域进行处理即可。
另一方面，若想要得到更为精确的疑似区域，可以对光谱照片中的点进行遍历，从光谱照片中提取出颜色异常的点(处于预设的色域区间)，然后仅将颜色异常的点所在的区域作为疑似区域，这样，得到的疑似区域更为精确，后续的计算数据量更小。
在步骤S103中，将所述彩色光谱数据中位于所述疑似区域的数据作为待处理数据。
这里，在确定了疑似区域后，可以将彩色光谱数据中位于疑似区域的数据作为待处理数据，需要说明的是，彩色光谱数据和光谱照片的拍摄角度，拍摄位置是相同的，彩色光谱数据和光谱照片中的待检测烟叶位姿相同的。
在步骤S104中，对所述待处理数据进行解析处理，得到目标数据集，其中，所述目标数据集包括所述待处理数据中每个点在对应的所述波段下的反射数据。
在一些实施例中，参见图4，图4是本申请实施例提供的步骤S1041-S1042的流程示意图，图1示出的步骤S104可以通过步骤S1041-S1042实现，将结合各步骤进行说明。
在步骤S1041中，从所述待处理数据依次读取每个点在对应的所述波段下的反射数据，并将读取到的每个点在对应的所述波段下的反射数据作为目标子数据。
在步骤S1042中，将所述目标子数据存入目标集合中，得到所述目标数据集。
这里，得到的待处理数据为一个一个的点在对应的所述波段下的反射数据，为了后续便于处理，需要将每个点在对应的所述波段下的反射数据存入目标集合中，形成目标数据集。
在步骤S105中，对所述目标数据集进行识别处理，得到所述待处理数据中每个点的识别结果。
在一些实施例中，参见图5，图5是本申请实施例提供的步骤S1051-S1052的流程示意图，图1示出的步骤S105可以通过步骤S1051-S1052实现，将结合各步骤进行说明。
在步骤S1051中，将所述目标数据集输入随机森林分类器进行分类处理，得到至少一个分类结果，其中，所述至少一个分类结果中每个分类结果携带有置信度。
在步骤S1052中，当所述置信度大于预设值的分类结果确定为霉变点，并将所述霉变点的位置进行标记处理。
这里，采用随机森林分类器对目标数据集中的目标子数据进行分类和回归，随机森林建立了多个决策树，并将它们合并在一起以获得更准确和稳定的预测，每棵树按照如下规则生成：
1、如果训练集大小为N，对于每棵树而言，随机且有放回地从训练集中的抽取n个训练样本，作为该树的训练集；
2、如果每个样本的特征维度为M，指定一个常数m<<M，随机地从M个特征中选取m个特征子集，决策树上每个节点的决定都是基于这些特征确定的，每次树进行分裂时，从这m个特征中计算其最佳的分裂方式，并选择最优的；
3、每棵树都尽最大程度的生长，并且没有剪枝过程。
在一些实施例中，参见图6，图6是本申请实施例提供的步骤S201-S202的流程示意图，所述方法还包括：
步骤S201，当所述识别结果中存在霉变时，确定发生霉变的点在所述目标数据集中的占比。
步骤S202，当所述占比高于预设的比例值时，确定所述待检测烟叶为不合格产品。
这里，当识别结果中存在霉变时，可以确定霉变的点的占比，当霉变的点的占比大于预设的比例值时，则确定待检测烟叶为不合格产品，需要丢弃或销毁，当霉变的点的占比低于预设的比例值时，由于霉变部位较少，可以做剔除处理。
在一些实施例中，所述识别结果包括霉变和未霉变，所述方法还包括：
将霉变和未霉变的识别结果用不同的颜色在所述光谱照片进行渲染；
通过人机交互界面显示渲染结果。
这里，可以通过在光谱照片上对霉变的识别结果进行渲染，并显示在人机交互界面中，可以直观地查看霉变位置。
综上所述，通过本申请实施例具有以下有益效果：
通过彩色光谱对待检测烟叶的待扫描面进行扫描处理，得到待扫描面的彩色光谱数据，并且获取待扫描面的光谱照片，并将光谱照片中色域值处于预设的色域区间的区域确定为疑似区域，接着将彩色光谱数据中位于所述疑似区域的数据作为待处理数据，对所述待处理数据进行解析处理，得到目标数据集，这样，得到的目标数据集中包括了待检测烟叶表面每一个点的的反射数据，并且，每个点的反射数据是分波段的，不同的波段均对应一个反射数据，大大提高了数据量，并且减少了扫描时间，最后，对目标数据集进行识别处理，识别的过程中，可以通过随机森林分类器进行分类，进一步提高分类效率，得到所述待处理数据中每个点的识别结果。
基于同一发明构思，本申请实施例中还提供了与第一实施例中基于彩色光谱的烟叶检测方法对应的基于彩色光谱的烟叶检测装置，由于本申请实施例中的装置解决问题的原理与上述基于彩色光谱的烟叶检测方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
如图7所示，图7是本申请实施例提供的基于彩色光谱的烟叶检测装置700的结构示意图。基于彩色光谱的烟叶检测装置700包括：
扫描模块701，用于通过彩色光谱对待检测烟叶的待扫描面进行扫描处理，得到所述待扫描面的彩色光谱数据，其中，所述彩色光谱中包括至少一个波段，所述彩色光谱数据包括所述待扫描面中每个点在对应的所述波段下的反射数据；
第一确定模块702，用于获取所述待扫描面的光谱照片，并将所述光谱照片中色域值处于预设的色域区间的区域确定为疑似区域；
第二确定模块703，用于将所述彩色光谱数据中位于所述疑似区域的数据作为待处理数据；
解析模块704，用于对所述待处理数据进行解析处理，得到目标数据集，其中，所述目标数据集包括所述待处理数据中每个点在对应的所述波段下的反射数据；
识别模块705，用于对所述目标数据集进行识别处理，得到所述待处理数据中每个点的识别结果。
本领域技术人员应当理解，图7所示的基于彩色光谱的烟叶检测装置700中的各单元的实现功能可参照前述基于彩色光谱的烟叶检测方法的相关描述而理解。图7所示的基于彩色光谱的烟叶检测装置700中的各单元的功能可通过运行于处理器上的程序而实现，也可通过具体的逻辑电路而实现。
在一种可能的实施方式中，所述彩色光谱的波长范围为1000nm～2500nm，扫描模块701通过彩色光谱对待检测烟叶的待扫描面进行扫描处理，得到所述待扫描面的彩色光谱数据，包括：
通过彩色光谱设备对所述待检测烟叶的待扫描面进行扫描处理，得到扫描结果；
从扫描结果中读取所述彩色光谱数据。
在一种可能的实施方式中，第一确定模块702获取所述待扫描面的光谱照片，并将所述光谱照片中色域值处于预设的色域区间的区域确定为疑似区域，包括：
通过光学镜头对所述待扫描面进行拍摄处理，得到所述待扫描面的光谱照片；
针对所述光谱照片，对所述光谱照片按预设的网格进行划分，得到至少一个目标区域，当所述目标区域中存在处于预设的色域区间的点时，将所述目标区域确定为所述疑似区域，或者，对所述光谱照片中的点进行遍历，将遍历结果中色域值处于预设的色域区间的点确定为所述疑似区域。
在一种可能的实施方式中，解析模块704对所述待处理数据进行解析处理，得到目标数据集，包括：
从所述待处理数据依次读取每个点在对应的所述波段下的反射数据，并将读取到的每个点在对应的所述波段下的反射数据作为目标子数据；
将所述目标子数据存入目标集合中，得到所述目标数据集。
在一种可能的实施方式中，识别模块705对所述目标数据集进行识别处理，得到所述待处理数据中每个点的识别结果，包括：
将所述目标数据集输入随机森林分类器进行分类处理，得到至少一个分类结果，其中，所述至少一个分类结果中每个分类结果携带有置信度；
当所述置信度大于预设值的分类结果确定为霉变点，并将所述霉变点的位置进行标记处理。
在一种可能的实施方式中，识别模块705还包括：
当所述识别结果中存在霉变时，确定发生霉变的点在所述目标数据集中的占比；
当所述占比高于预设的比例值时，确定所述待检测烟叶为不合格产品。
在一种可能的实施方式中，所述识别结果包括霉变和未霉变，识别模块705还包括：
将霉变和未霉变的识别结果用不同的颜色在所述光谱照片进行渲染；
通过人机交互界面显示渲染结果。
上述基于彩色光谱的烟叶检测装置通过彩色光谱对待检测烟叶的待扫描面进行扫描处理，得到待扫描面的彩色光谱数据，并且获取待扫描面的光谱照片，并将光谱照片中色域值处于预设的色域区间的区域确定为疑似区域，接着将彩色光谱数据中位于所述疑似区域的数据作为待处理数据，对所述待处理数据进行解析处理，得到目标数据集，这样，得到的目标数据集中包括了待检测烟叶表面每一个点的的反射数据，并且，每个点的反射数据是分波段的，不同的波段均对应一个反射数据，大大提高了数据量，并且减少了扫描时间，最后，对目标数据集进行识别处理，识别的过程中，可以通过随机森林分类器进行分类，进一步提高分类效率，得到所述待处理数据中每个点的识别结果。
如图8所示，图8为本申请实施例提供的电子设备800的组成结构示意图，所述电子设备800，包括：
处理器801、存储介质802和总线803，所述存储介质802存储有所述处理器801可执行的机器可读指令，当电子设备800运行时，所述处理器801与所述存储介质802之间通过总线803通信，所述处理器801执行所述机器可读指令，以执行本申请实施例所述的基于彩色光谱的烟叶检测方法的步骤。
实际应用时，所述电子设备800中的各个组件通过总线803耦合在一起。可理解，总线803用于实现这些组件之间的连接通信。总线803除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图8中将各种总线都标为总线803。
上述电子设备通过彩色光谱对待检测烟叶的待扫描面进行扫描处理，得到待扫描面的彩色光谱数据，并且获取待扫描面的光谱照片，并将光谱照片中色域值处于预设的色域区间的区域确定为疑似区域，接着将彩色光谱数据中位于所述疑似区域的数据作为待处理数据，对所述待处理数据进行解析处理，得到目标数据集，这样，得到的目标数据集中包括了待检测烟叶表面每一个点的的反射数据，并且，每个点的反射数据是分波段的，不同的波段均对应一个反射数据，大大提高了数据量，并且减少了扫描时间，最后，对目标数据集进行识别处理，识别的过程中，可以通过随机森林分类器进行分类，进一步提高分类效率，得到所述待处理数据中每个点的识别结果。
本申请实施例还提供了一种计算机可读存储介质，所述存储介质存储有可执行指令，当所述可执行指令被至少一个处理器801执行时，实现本申请实施例所述的基于彩色光谱的烟叶检测方法。
在一些实施例中，存储介质可以是磁性随机存取存储器(FRAM，FerromagneticRandom Access Memory)、只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，ErasableProgrammable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，ElectricallyErasable Programmable Read-Only Memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)等存储器；也可以是包括上述存储器之一或任意组合的各种设备。
在一些实施例中，可执行指令可以采用程序、软件、软件模块、脚本或代码的形式，按任意形式的编程语言(包括编译或解释语言，或者声明性或过程性语言)来编写，并且其可按任意形式部署，包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
作为示例，可执行指令可以但不一定对应于文件系统中的文件，可以被存储在保存其它程序或数据的文件的一部分，例如，存储在超文本标记语言(HTML，HyperTextMarkupLanguage)文档中的一个或多个脚本中，存储在专用于所讨论的程序的单个文件中，或者，存储在多个协同文件(例如，存储一个或多个模块、子程序或代码部分的文件)中。
作为示例，可执行指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。
上述计算机可读存储介质通过彩色光谱对待检测烟叶的待扫描面进行扫描处理，得到待扫描面的彩色光谱数据，并且获取待扫描面的光谱照片，并将光谱照片中色域值处于预设的色域区间的区域确定为疑似区域，接着将彩色光谱数据中位于所述疑似区域的数据作为待处理数据，对所述待处理数据进行解析处理，得到目标数据集，这样，得到的目标数据集中包括了待检测烟叶表面每一个点的的反射数据，并且，每个点的反射数据是分波段的，不同的波段均对应一个反射数据，大大提高了数据量，并且减少了扫描时间，最后，对目标数据集进行识别处理，识别的过程中，可以通过随机森林分类器进行分类，进一步提高分类效率，得到所述待处理数据中每个点的识别结果。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法和电子设备，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
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，平台服务器，或者网络设备等)执行本申请各个实施例所述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)
1.一种基于彩色光谱的烟叶检测方法，其特征在于，包括以下步骤：
通过彩色光谱对待检测烟叶的待扫描面进行扫描处理，得到所述待扫描面的彩色光谱数据，其中，所述彩色光谱中包括至少一个波段，所述彩色光谱数据包括所述待扫描面中每个点在对应的所述波段下的反射数据；
获取所述待扫描面的光谱照片，并将所述光谱照片中色域值处于预设的色域区间的区域确定为疑似区域；
将所述彩色光谱数据中位于所述疑似区域的数据作为待处理数据；
对所述待处理数据进行解析处理，得到目标数据集，其中，所述目标数据集包括所述待处理数据中每个点在对应的所述波段下的反射数据；
对所述目标数据集进行识别处理，得到所述待处理数据中每个点的识别结果。
2.根据权利要求1所述的方法，其特征在于，所述彩色光谱的波长范围为1000nm～2500nm，所述通过彩色光谱对待检测烟叶的待扫描面进行扫描处理，得到所述待扫描面的彩色光谱数据，包括：
通过彩色光谱设备对所述待检测烟叶的待扫描面进行扫描处理，得到扫描结果；
从扫描结果中读取所述彩色光谱数据。
3.根据权利要求1所述的方法，其特征在于，所述获取所述待扫描面的光谱照片，并将所述光谱照片中色域值处于预设的色域区间的区域确定为疑似区域，包括：
通过光学镜头对所述待扫描面进行拍摄处理，得到所述待扫描面的光谱照片；
针对所述光谱照片，对所述光谱照片按预设的网格进行划分，得到至少一个目标区域，当所述目标区域中存在处于预设的色域区间的点时，将所述目标区域确定为所述疑似区域，或者，对所述光谱照片中的点进行遍历，将遍历结果中色域值处于预设的色域区间的点确定为所述疑似区域。
4.根据权利要求1所述的方法，其特征在于，所述对所述待处理数据进行解析处理，得到目标数据集，包括：
从所述待处理数据依次读取每个点在对应的所述波段下的反射数据，并将读取到的每个点在对应的所述波段下的反射数据作为目标子数据；
将所述目标子数据存入目标集合中，得到所述目标数据集。
5.根据权利要求1所述的方法，其特征在于，所述对所述目标数据集进行识别处理，得到所述待处理数据中每个点的识别结果，包括：
将所述目标数据集输入随机森林分类器进行分类处理，得到至少一个分类结果，其中，所述至少一个分类结果中每个分类结果携带有置信度；
当所述置信度大于预设值的分类结果确定为霉变点，并将所述霉变点的位置进行标记处理。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当所述识别结果中存在霉变时，确定发生霉变的点在所述目标数据集中的占比；
当所述占比高于预设的比例值时，确定所述待检测烟叶为不合格产品。
7.根据权利要求1所述的方法，其特征在于，所述识别结果包括霉变和未霉变，所述方法还包括：
将霉变和未霉变的识别结果用不同的颜色在所述光谱照片进行渲染；
通过人机交互界面显示渲染结果。
8.一种基于彩色光谱的烟叶检测装置，其特征在于，所述装置包括：
扫描模块，用于通过彩色光谱对待检测烟叶的待扫描面进行扫描处理，得到所述待扫描面的彩色光谱数据，其中，所述彩色光谱中包括至少一个波段，所述彩色光谱数据包括所述待扫描面中每个点在对应的所述波段下的反射数据；
第一确定模块，用于获取所述待扫描面的光谱照片，并将所述光谱照片中色域值处于预设的色域区间的区域确定为疑似区域；
第二确定模块，用于将所述彩色光谱数据中位于所述疑似区域的数据作为待处理数据；
解析模块，用于对所述待处理数据进行解析处理，得到目标数据集，其中，所述目标数据集包括所述待处理数据中每个点在对应的所述波段下的反射数据；
识别模块，用于对所述目标数据集进行识别处理，得到所述待处理数据中每个点的识别结果。
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7任一项所述的基于彩色光谱的烟叶检测方法。
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7任一项所述的基于彩色光谱的烟叶检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211577864.0A CN115810125B (zh) | 2022-12-09 | 2022-12-09 | 一种基于彩色光谱的烟叶检测方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211577864.0A CN115810125B (zh) | 2022-12-09 | 2022-12-09 | 一种基于彩色光谱的烟叶检测方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115810125A true CN115810125A (zh) | 2023-03-17 |
| CN115810125B CN115810125B (zh) | 2024-07-30 |
Family
ID=85485416
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211577864.0A Active CN115810125B (zh) | 2022-12-09 | 2022-12-09 | 一种基于彩色光谱的烟叶检测方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115810125B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103674884A (zh) * | 2012-09-17 | 2014-03-26 | 福建中烟工业有限责任公司 | 基于近红外光谱信息的烟叶风格特征的随机森林分类方法 |
| EP3281536A1 (de) * | 2016-08-08 | 2018-02-14 | Hauni Maschinenbau GmbH | Verfahren und vorrichtung zum erkennen und/oder prüfen eines in ein stab- oder strangförmiges produkt der tabak verarbeitenden industrie eingelegten objekts |
| CN108333186A (zh) * | 2018-04-03 | 2018-07-27 | 南京理工大学 | 基于烟垛表面的霉变检测系统及其检测方法 |
| CN110363119A (zh) * | 2019-06-28 | 2019-10-22 | 广东中烟工业有限责任公司 | 基于小波变换-随机森林算法的烟叶霉变快速识别方法 |
| CN112288727A (zh) * | 2020-10-30 | 2021-01-29 | 创新奇智(重庆)科技有限公司 | 磁环表面缺陷检测方法、装置、电子设备及存储介质 |
| CN113808084A (zh) * | 2021-08-25 | 2021-12-17 | 杭州安脉盛智能技术有限公司 | 一种模型融合的在线烟包表面霉变检测方法及系统 |
| CN114766706A (zh) * | 2022-05-09 | 2022-07-22 | 北京天地数联科技有限公司 | 一种烟叶除杂与定级方法 |
| CN114993993A (zh) * | 2022-05-25 | 2022-09-02 | 北京远舢智能科技有限公司 | 一种烟叶霉变检测方法及装置 |
| CN115128033A (zh) * | 2022-07-04 | 2022-09-30 | 厦门烟草工业有限责任公司 | 烟叶检测方法、装置和系统、存储介质 |
-
2022
- 2022-12-09 CN CN202211577864.0A patent/CN115810125B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103674884A (zh) * | 2012-09-17 | 2014-03-26 | 福建中烟工业有限责任公司 | 基于近红外光谱信息的烟叶风格特征的随机森林分类方法 |
| EP3281536A1 (de) * | 2016-08-08 | 2018-02-14 | Hauni Maschinenbau GmbH | Verfahren und vorrichtung zum erkennen und/oder prüfen eines in ein stab- oder strangförmiges produkt der tabak verarbeitenden industrie eingelegten objekts |
| CN108333186A (zh) * | 2018-04-03 | 2018-07-27 | 南京理工大学 | 基于烟垛表面的霉变检测系统及其检测方法 |
| CN110363119A (zh) * | 2019-06-28 | 2019-10-22 | 广东中烟工业有限责任公司 | 基于小波变换-随机森林算法的烟叶霉变快速识别方法 |
| CN112288727A (zh) * | 2020-10-30 | 2021-01-29 | 创新奇智(重庆)科技有限公司 | 磁环表面缺陷检测方法、装置、电子设备及存储介质 |
| CN113808084A (zh) * | 2021-08-25 | 2021-12-17 | 杭州安脉盛智能技术有限公司 | 一种模型融合的在线烟包表面霉变检测方法及系统 |
| CN114766706A (zh) * | 2022-05-09 | 2022-07-22 | 北京天地数联科技有限公司 | 一种烟叶除杂与定级方法 |
| CN114993993A (zh) * | 2022-05-25 | 2022-09-02 | 北京远舢智能科技有限公司 | 一种烟叶霉变检测方法及装置 |
| CN115128033A (zh) * | 2022-07-04 | 2022-09-30 | 厦门烟草工业有限责任公司 | 烟叶检测方法、装置和系统、存储介质 |
Non-Patent Citations (4)
| Title |
|---|
| JIANJUN LIU 等: "Grading tobacco leaves based on image processing and generalized regression neural network", 《2012 IEEE INTERNATIONAL CONFERENCE ON INTELLIGENT CONTROL, AUTOMATIC DETECTION AND HIGH-END EQUIPMENT》, 15 October 2012 (2012-10-15), pages 89 - 93 * |
| 周继月 等: "基于近红外光谱分析技术结合化学计量学方法的初烤烟叶霉变预测研究", 《中国烟草学报》, vol. 24, no. 01, 13 February 2018 (2018-02-13), pages 6 - 13 * |
| 温冯睿 等: "近红外光谱图像处理的霉变稻谷检测方法", 《光谱学与光谱分析》, vol. 42, no. 02, 28 February 2022 (2022-02-28), pages 428 - 433 * |
| 陈文涛 等: "烟草异物在线检测系统", 《工业仪表与自动化装置》, no. 02, 15 April 2003 (2003-04-15), pages 57 - 59 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115810125B (zh) | 2024-07-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Prospere et al. | Plant species discrimination in a tropical wetland using in situ hyperspectral data | |
| Fuentes et al. | Automated grapevine cultivar classification based on machine learning using leaf morpho-colorimetry, fractal dimension and near-infrared spectroscopy parameters | |
| Ullah et al. | An accurate retrieval of leaf water content from mid to thermal infrared spectra using continuous wavelet analysis | |
| Große-Stoltenberg et al. | Evaluation of continuous VNIR-SWIR spectra versus narrowband hyperspectral indices to discriminate the invasive Acacia longifolia within a Mediterranean dune ecosystem | |
| Sandak et al. | Development of low-cost portable spectrometers for detection of wood defects | |
| Rivard et al. | Discrimination of liana and tree leaves from a Neotropical Dry Forest using visible-near infrared and longwave infrared reflectance spectra | |
| Li et al. | Lifting wavelet transform for Vis-NIR spectral data optimization to predict wood density | |
| CN104020128A (zh) | 一种快速鉴别蜂胶胶源的方法 | |
| CN112129741A (zh) | 绝缘油老化分析方法、装置、计算机设备和存储介质 | |
| Jiang et al. | Maturity Stage Discrimination of Camellia oleifera fruit using visible and near-infrared hyperspectral imaging | |
| CN118038287A (zh) | 森林扰动监测方法、装置、计算机设备及存储介质 | |
| CN111523587A (zh) | 一种基于机器学习的木本植物物种光谱识别方法 | |
| Pérez-Roncal et al. | Exploring the potential of hyperspectral imaging to detect Esca disease complex in asymptomatic grapevine leaves | |
| CN115810125A (zh) | 一种基于彩色光谱的烟叶检测方法、装置、设备及介质 | |
| CN111797396B (zh) | 恶意代码可视化及变种检测方法、装置、设备及存储介质 | |
| Tuncer et al. | Efficiency of preprocessing methods for discrimination of anatomically similar pine species by NIR spectroscopy | |
| CN117147490A (zh) | 一种基于大数据的土壤元素含量监测方法、系统和介质 | |
| Manessa et al. | Study of rubber leaf disease using hyperspectral reflectance | |
| Sahin et al. | Automatic multispectral image classification of plant virus from leaf samples | |
| CN113435115B (zh) | 一种荧光光谱特征波长筛选方法、装置、计算机设备及可读储存介质 | |
| Xu et al. | Detection of Cucumber Powdery Mildew Based on Spectral and Image Information | |
| CN112749906B (zh) | 卷烟主流烟气光谱数据的感官评价方法 | |
| CN110658174B (zh) | 基于表面增强拉曼光谱检测的智能化识别方法及系统 | |
| CN109507144B (zh) | 嵌入式水体有机磷农药残留检测装置与方法 | |
| CN106568724A (zh) | 光谱曲线预处理及特征挖掘方法及装置 |
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 |