CN1641341A - 烟草大中片率检测方法 - Google Patents
烟草大中片率检测方法 Download PDFInfo
- Publication number
- CN1641341A CN1641341A CN 200410013814 CN200410013814A CN1641341A CN 1641341 A CN1641341 A CN 1641341A CN 200410013814 CN200410013814 CN 200410013814 CN 200410013814 A CN200410013814 A CN 200410013814A CN 1641341 A CN1641341 A CN 1641341A
- Authority
- CN
- China
- Prior art keywords
- image
- tobacco leaf
- tobacco
- edge
- big
- 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
Images
Abstract
本发明涉及一种烟草大中片率的检测方法,属于烟草质量检测技术领域。本发明借助数字图像处理计算机,通过摊薄机使烟叶形成薄层、输送机将烟叶薄层加速到5-7米/秒的速度、将烟叶薄层抛投到另一条传送带上、由CCD相机在所述窄缝处摄取烟叶图像、送入数字图像处理计算机;再提取图像边缘、获取图像中烟叶数量、获取边缘变化率,最终实现借助计算机的图像运算处理功能,迅速自动得出烟草大中片率的检测结果,从而减轻了检测劳动强度,提高了检测工作效率,避免了人为因素的影响,可以取得科学、公正的检测结果。
Description
技术领域
本发明涉及一种烟草大中片率的检测方法,特别为一种对各种光学烟草分拣设备均具有普适意义的烟草大中片率检测方法,属于烟草质量检测技术领域。
背景技术
随着烟草工艺的复杂化,烟叶经由的加工步骤越来越多。因此,导致烟叶造碎的因素也越来越多。为了加强烟草产品的质量管理和控制,烟叶的大中叶率作为一项检验烟草品质的重要指标,日益受到复烤厂以及烟厂的普遍关注。
据申请人了解,目前烟草企业对于烟叶大中片率的检测基本依靠人工完成,不仅费时费力,效率不高,而且容易受到人为因素的影响。
发明内容
本发明所要解决的技术问题是:提出了一种借助计算机的图像运算处理、迅速自动得出大中叶率结果的烟草大中叶率检测方法,从而降低烟草大中叶率检测的劳动强度,提高检测效率以及检测结果的科学性。
本发明通过以下技术解决方案来实现:
在主要由摊薄机、输送机、视频柜、CCD相机、数字图像处理计算机构成的硬件平台中
1、通过摊薄机使烟叶形成薄层;
2、借助输送机将烟叶薄层加速,通常加速到5-7米/秒的速度;
3、加速后的烟叶薄层通过视频柜窄缝,抛投出去,到另一条传送带上;
4、线阵CCD相机在所述窄缝处摄取烟叶图像,送入数字图像处理计算机;
5、数字图像处理计算机对输入的数字图像进行以下步骤的处理:
5.1提取图像边缘——借助边缘提取算子,从数字图像中提取边缘图像;
5.2获取图像中烟叶数量——判断后剔除图像背景,获得反映烟叶数量的象素图像;
5.3获取边缘变化率——逐行扫描上述边缘图像和象素图像,并分别计数,求得各行边缘变化数与象素数之比,再求得各行边缘变化数与象素数之比的平均值,作为整个图像的边缘变化率;
5.4求出大中叶率——根据采样结果进行拟合,求出大中叶率与边缘变化率的函数关系,进而依边缘变化率、并通过所述函数关系求出大中叶率检测结果。
需要说明的是,关于边缘提取的算法很多,例如拉普拉兹算子,索贝尔算子,罗伯特算子等等,图像处理教科书上均有介绍。因此本发明的大中叶率检测方法并不需要拘泥于某个特定的边缘提取算法,只要能达到较好的边缘提取效果,各种算法都可以。
不难看出,采用本发明的方法后,可以巧妙合理地借助计算机的图像运算处理功能,迅速自动得出烟草大中叶率的检测结果,减轻检测劳动强度,提高检测工作效率,避免人为因素的影响,取得科学、公正的检测结果。
附图说明
下面结合实施例对本发明的技术方案作进一步说明。
图1为本发明一个实施例基本原理示意图。图中1是传送带,2是照明装置,3是CCD相机,4是气动电磁阀,5是烟叶,6是杂物。
图2为图1实施例中CCD捕获的烟叶图像。
图3为对图2进行边缘提取后的图像(白线为烟叶边缘)。
图4为对图3进行二值化后处理后的图像(白色为烟叶)。
图5为图1实施例进行MATLAB拟合效果图。
具体实施方式
如图1所示,在包括摊薄机、输送机、视频柜、CCD相机、数字图像处理单元(计算机)的WTS系列烟草除杂机硬件平台中(本发明不限于烟草除杂机,对其他所有光学烟草分拣设备均有普适意义):烟叶通过摊薄机等辅联设备,形成烟叶薄层,使异物不上下夹杂在烟叶中间,以利于图像设备检测。输送机将烟叶薄层加速到5-7米/秒的速度。烟叶薄层通过视频柜时,会通过一个窄缝,抛投到另外一个传送带上。线阵CCD相机就在这个窄缝处摄取烟叶图像,送入数字图像处理单元。数字图像处理单元能实时处理海量图像数据,经过研制的专有图像算法,识别出异物,并计算出异物的相对坐标。然后控制相应坐标的高速气动电磁阀,将异物剔除。不合格的烟叶被气阀吹入回收箱,合格烟叶则进入下一工序。
本实施例大中叶率的检测方法的硬件平台直接借用光学分拣机完成(参见图1),烟叶薄层经过CCD相机传送给计算机处理系统后,大中叶率检测模块即可着手进行处理了。
本实施例的具体检测步骤以及原理如下:
1、图像边缘提取
在识别应用中,图像边缘是非常重要的特征之一。图像边缘保留了原始图像中相当重要的部分信息,而又使得总的数据量减小了很多,这正符合特征提取的要求。为了获得烟叶的形状和大小,必须首先对CCD获取的烟叶图像进行边缘提取。
边缘对应于物体的边界。图像上灰度变化剧烈的区域比较符合这个要求,通常以此特征并通过去噪声和微分运算、二值化处理等步骤来提取图像的边缘。
图2和图3分别是索贝尔算子边缘提取之前和之后的效果图(具体算法可以参考普通的图像处理教材,不另赘述)。
2、获取图像中烟叶的数量
由于传送带一般不可能以固定流量送料,所以图像中的烟叶可能时多时少,但边缘变化频率和图像中烟叶的数量基本成正比关系,因此如何获得烟叶的数量,也十分重要。
由于分拣机系统的前端集成了摊薄机,所以可以认为:烟叶在窄缝上抛送时,基本不会或者很少出现烟叶叠起来的现象。基于此假设前提,烟叶在图像中的数量直接和烟叶在图中所占比例相关。
所以,我们只需要将图像中的背景剔除掉,就可以获得烟叶的数量了:
由于图像中的背景颜色固定,并且变化幅度很小,所以只要对每个象素进行二值化判断,即看它是否属于背景色的范围内,如果不是,即可认为该象素为烟叶。
图4为经过二值化处理后的图像。
3、获取边缘变化率
为了获得图像的平均边缘变化率,首先逐行扫描边缘提取后的图像(图3)和二值化后的图像(图4),图3的颜色每变化一次就使用计数器counter加一(注意:从黑色变化到白色然后再从白色变化到黑色,二者只能算一次变化)。而对图4,则统计烟叶的象素数(白色部分),这样得到每行的边缘频率如下
其中:
Wt为该行的烟叶象素数
counter为颜色变化次数。
Fline为每行的边缘出现频率
整个图像的边缘平均变化率为:
其中:
max_line为图像的总行数减一。
Fimage为整个图像的边缘变化频率
在某段时间内以固定的时间间隔对图像进行采样,计算出每幅图像的边缘变化频率Fimage,然后进行平均,就可以得到本段时间内的边缘变化频率Fdt。
4、确定大中叶率与边缘变化率的关系,求得结果
可以确信,大中叶率Kbl和某段时间内边缘变化率Ft中存在某种函数关系,即:
Kbl=f(Ft)
为了获得该函数,可以对其进行现场采样,并根据采样的结果进行拟合。
下表为某次现场实际测量后的得到的一组数据
试验次数 | 边缘变化率(Ft) | 大中叶率(Kbl) |
1 | 0.029 | 0.78 |
2 | 0.034 | 0.56 |
3 | 0.041 | 0.45 |
4 | 0.060 | 0.30 |
5 | 0.087 | 0.15 |
表1:现场实际测量结果
我们依据以上结果对在Matlab里对函数Kbl=f(Ft)进行了三阶最小二乘拟合。得到的f函数为
拟合的效果如图5所示
经过实际的拟合后的函数较好地吻合了实测的大中叶率,经过后面的试验证实,本方法得到的大中叶率和实际值相比,偏差率在10%之内。这对于烟草企业来说,是一个可以容忍的偏差。而企业因此获得的好处就是:在流水线上能够实时地检测到任何时刻的大中叶率是否符合要求,对烟厂提高管理水平起着较为重要的作用。
Claims (5)
1.一种烟草大中片率检测方法,在主要由摊薄机、输送机、视频柜、CCD相机、数字图像处理计算机构成的硬件平台中
1)、通过摊薄机使烟叶形成薄层;
2)、借助输送机将烟叶薄层加速;
3)、加速后的烟叶薄层通过视频柜窄缝,抛投出去;
4)、线阵CCD相机在所述窄缝处摄取烟叶图像,送入数字图像处理计算机;
5)、数字图像处理计算机对输入的数字图像进行以下步骤的处理:
5.1)提取图像边缘——借助边缘提取算子,从数字图像中提取边缘图像;
5.2)获取图像中烟叶数量——判断后剔除图像背景,获得反映烟叶数量的象素图像;
5.3)获取边缘变化率——逐行扫描上述边缘图像和象素图像,并分别计数,求得各行边缘变化数与象素数之比,再求得各行边缘变化数与象素数之比的平均值作为整个图像的边缘变化率;
5.4)求出大中叶率——根据采样结果进行拟合,求出大中叶率与边缘变化率的函数关系,进而依边缘变化率、并通过所述函数关系求出大中叶率检测结果。
2.根据权利要求1所述烟草大中片率检测方法,其特征在于:所述步骤5.1中的边缘提取算子为拉普拉兹算子、索贝尔算子、罗伯特算子中的一种。
3、根据权利要求1或2所述烟草大中片率检测方法,其特征在于:所述步骤5.2中的判断为对每个象素进行二值化判断。
4.根据权利要求3所述烟草大中片率检测方法,其特征在于:所述步骤5.4中的拟合为三阶最小二乘拟合。
5.根据权利要求4所述烟草大中片率检测方法,其特征在于:所述步骤2中加速到5-7米/秒。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200410013814 CN1641341A (zh) | 2004-01-06 | 2004-01-06 | 烟草大中片率检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200410013814 CN1641341A (zh) | 2004-01-06 | 2004-01-06 | 烟草大中片率检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1641341A true CN1641341A (zh) | 2005-07-20 |
Family
ID=34867827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200410013814 Pending CN1641341A (zh) | 2004-01-06 | 2004-01-06 | 烟草大中片率检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1641341A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101650316B (zh) * | 2009-09-15 | 2011-06-29 | 合肥安大电子检测技术有限公司 | 片烟结构在线检测方法 |
CN102359962A (zh) * | 2011-07-14 | 2012-02-22 | 红塔烟草(集团)有限责任公司 | 适用于图像分析法测定烟梗长梗率的设备 |
CN102598025A (zh) * | 2009-08-25 | 2012-07-18 | 福瑞托-雷北美有限公司 | 实时检测食品瑕疵的方法 |
CN103543107A (zh) * | 2013-10-21 | 2014-01-29 | 梁洪波 | 基于机器视觉和高光谱技术的烟叶智能分级系统和方法 |
CN105242568A (zh) * | 2015-10-09 | 2016-01-13 | 东南大学 | 基于数字图像处理的烟叶精确剔除控制方法 |
-
2004
- 2004-01-06 CN CN 200410013814 patent/CN1641341A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102598025A (zh) * | 2009-08-25 | 2012-07-18 | 福瑞托-雷北美有限公司 | 实时检测食品瑕疵的方法 |
CN101650316B (zh) * | 2009-09-15 | 2011-06-29 | 合肥安大电子检测技术有限公司 | 片烟结构在线检测方法 |
CN102359962A (zh) * | 2011-07-14 | 2012-02-22 | 红塔烟草(集团)有限责任公司 | 适用于图像分析法测定烟梗长梗率的设备 |
CN103543107A (zh) * | 2013-10-21 | 2014-01-29 | 梁洪波 | 基于机器视觉和高光谱技术的烟叶智能分级系统和方法 |
CN105242568A (zh) * | 2015-10-09 | 2016-01-13 | 东南大学 | 基于数字图像处理的烟叶精确剔除控制方法 |
CN105242568B (zh) * | 2015-10-09 | 2018-02-13 | 东南大学 | 基于数字图像处理的烟叶精确剔除控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106238342B (zh) | 全景视觉马铃薯分选和缺陷检测装置及其分选检测方法 | |
CN206139527U (zh) | 全景视觉马铃薯分选和缺陷检测装置 | |
CN110648364B (zh) | 一种多维度空间固废视觉检测定位及识别方法与系统 | |
CN110403232A (zh) | 一种基于二级算法的烟支质量检测方法 | |
CN1485616A (zh) | 禽蛋品质无损自动检测分级设备及方法 | |
CN101059425A (zh) | 基于多光谱图像的纹理分析鉴别不同品种绿茶的方法和装置 | |
CN102374996B (zh) | 伞齿轮全齿侧面缺陷多目检测装置及其检测方法 | |
CN103698341A (zh) | 一种棉花轧工质量检测系统及棉花轧工质量图像检测方法 | |
CN111862028A (zh) | 基于深度相机和深度学习的木材缺陷检测分选装置及方法 | |
CN102855641A (zh) | 基于外在品质的水果等级分类系统 | |
CN202037127U (zh) | 一种禽蛋品质自动检测分选设备 | |
CN111753844A (zh) | 一种干湿垃圾分类方法、分类箱和分拣系统 | |
CN1641341A (zh) | 烟草大中片率检测方法 | |
CN110064602B (zh) | 一种有膜和无膜废弃纸箱自动分拣系统及分拣方法 | |
CN206139529U (zh) | 透明滚轴机构 | |
CN1653975A (zh) | 物品检测中的基于单元灰度均匀性的在线异物识别法 | |
CN206535779U (zh) | 一种分拣机器人 | |
CN1595957A (zh) | 医学影像坏点自动检测门限确定方法 | |
CN105027732B (zh) | 玉米果穗考种的方法及系统 | |
CN201100862Y (zh) | 纸张纸病捡测系统 | |
CN1207683C (zh) | 种子粒距检测中序列图像拼接方法 | |
CN104778709A (zh) | 一种基于纱线序列图像的电子黑板的构建方法 | |
CN1741040A (zh) | 一种基于模板匹配的烟支批量计数方法及其装置 | |
CN114462523A (zh) | 基于图像处理技术的仙人掌果去刺分选一体化方法 | |
CN107671013A (zh) | 基于色选技术的大尺寸物料剔除工艺 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |