一种基于工业相机特征提取的润后水渍烟叶识别方法技术

本发明专利技术公开了一种基于工业相机特征提取的润后水渍烟叶识别方法，所述方法包括如下步骤：1）采集在线烟叶样本的所有原始烟叶图像，将烟叶样本人工分类为正常烟叶、水渍烟叶、近正常烟叶和近水渍烟叶，并获取所有原始烟叶图像的信息；2）对所述原始烟叶图像的信息进行处理获得所有原始烟叶图像的特征向量；3）对所述特征向量进行SNV预处理以消除异常数值信息；4）对预处理后的特征采取有监督模式的二维投影处理获得二维投影向量。快速的解决了一润后水渍烟叶的快速识别以及比例的计算，为通过工艺的控制来减少水渍烟叶的比例打下了坚实的基础，积累了原始的水渍烟叶识别数据。

【技术实现步骤摘要】

本专利技术涉及一种图像特征信息提取及识别领域，具体涉及一种基于工业相机特征提取的润后水渍烟叶识别方法。
技术介绍
在润叶工序受高温高湿的影响，烟叶容易产生烟叶的水渍烟及蒸片，在复烤环节很难把水渍烟及蒸片调控到合适的水分，造成水渍片水分偏大，在片烟装箱过程中，水渍片温度及水分都较高，造成局部烟叶水分及温度过高，在保管过程中容易产生霉变及碳化，造成损失。水渍烟叶的识别一般根据烟叶的叶面和叶背是一种颜色基调，对着阳光通透性较强。但是这种人工的操作一方面不能在生产线上完成对水渍烟叶的事实识别以及比例的测算，另外一方面，现场没有光源，使得根据烟叶自身的透光性来判别生产线的烟叶是否为水渍烟叶不具备可行性；随着近年来在烟叶外观分析领域工业相机的逐步应用，颜色特征提取以及图像处理技术的发展，对水渍烟叶在烟叶的透光性的研究，以及图像的特征抽提上来完成对水渍烟叶的识别成为可能。图像由像素与颜色空间构成的，一方面在实验室离线分析的状态来识别烟叶是否透光，可以根据实验室开灯与不开灯的状态下烟叶自身的色彩空间的变化来完成，另一方面在实际的生产线可以根据烟叶颜色的自身特征来识别烟叶是否为水渍烟，根据所含有的特征区域占整个区域的比例来完成现场的水渍烟叶的统计监控分析。而对于如何准确并简单的从工业相机中提取的水渍烟叶的特征信息，来对烟叶是否为水渍烟叶进行识别，结合图像的拼接，并根据该组特征信息的面积占比来对水渍烟叶一段时间内得实际比例进行测算，现有技术中并没有关于此种的技术方案记载。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种基于工业相机特征提取的润后水渍烟识别方法，以克服现有技术中的缺陷。为了实现上述目的或者其他目的，本专利技术是通过以下技术方案实现的。一种基于工业相机特征提取的润后水渍烟叶识别方法，其特征在于，所述识别方法包括如下步骤：采集在线烟叶样本的所有原始烟叶图像，将烟叶样本人工分类为正常烟叶、水渍烟叶、近正常烟叶和近水渍烟叶，并获取所有原始烟叶图像的信息；对所述原始烟叶图像的信息进行处理获得所有原始烟叶图像的特征向量；对所述特征向量进行SNV预处理以消除异常数值信息；对预处理后的特征采取有监督模式的二维投影处理获得二维投影向量；将所述二维投影向量按照同种分类进行同列拼接，不同种分类之间上下拼接的原则形成新图像信息矩阵；根据新图像信息矩阵和阈值识别新图像信息矩阵中包含水渍烟叶特征的连通区域面积；计算包含水渍烟叶特征的连通区域面积占新图像信息矩阵的总面积的比例即为水渍烟的比例。可选地，步骤1)中，采用工业相机采集在线烟叶样本的所有原始图像。可选地，步骤1)中，将烟叶样本人工分类的依据为透光率。本专利技术中通过实验室相机获取开灯和不开灯条件下水渍烟叶和正常烟叶的图像，并对图像进行信号分析，计算图像的透光率。以此先确认了水渍烟叶和正常烟叶在透光率上有很大差别，可以通过透光率将水渍烟叶和正常烟叶区分开来。更为优选地，人工分类的标准为：水渍烟叶是指烟叶的叶面和叶背是一种颜色，对着阳光看通透性较强；近水渍烟叶是指具备水渍烟叶透光性的特征但是局部偏黄且透光不明显；近正常烟叶是指具备正常烟叶的特征但是透光性略强的；正常烟叶是指正常经过一润加工后的烟叶。可选地，步骤2)中，获得所有原始烟叶图像的特征的方法包括如下步骤：21)将所有原始烟叶图像的信息进行灰度处理；22)通过PCA分解获得原始烟叶图像的特征向量即为所有原始烟叶图像的特征。更为可选地，步骤21)中灰度处理获得的为二维灰度矩阵。更为可选地，步骤22)中，PCA分解是指主成分分解，是指将二维灰度矩阵进行分解形成得分矩阵，选取得分矩阵的第一列作为特征向量，将各特征向量合并形成特征向量矩阵。更优选地，具体地处理步骤为：对每张原始烟叶图像由RGB空间进行灰度处理，得到二维灰度矩阵G；对每个分类的每张图像的灰度矩阵Gi采取如下的方式进行特征抽提：对Gi进行特征矩阵的分解获得：Gi＝Pi*Si+Ei；其中Pi为载荷矩阵，Si为得分矩阵；Ei是指分解的残差矩阵；取分矩阵Si的第一列形成列向量作为该图像的特征向量，记为S(：，1)；分别把各分类中的每个图像的特征向量合并成特征向量矩阵TS＝[Si(:,1)]。可选地，步骤3)中，SNV预处理为标准正态变量变换预处理。更为优选地，SNV预处理是以特征向量矩阵中的每列数据为单位，将各列中各点值减去此列的平均值，然后除以此列的标准方差获得。可选地，步骤4)中，有监督模式的二维投影是指线性判别LDA或偏最小二乘的线性判别。上述所述投影实质上就是从不同的角度去观察数据，寻找最能充分挖掘数据特征的作为最优投影方向。可选地，步骤6)中，所述阈值为二维投影向量的阈值。更为优选地，步骤6)中，所述阈值为1.14。优选地，通过工业相机获得在生产线上一润工序后的近正常烟叶、近水渍烟叶、正常烟叶和水渍烟叶的图像；将图像由RGB空间转换成基于颜色模型的一维颜色，并获得颜色值，通过颜色值确认一维颜色值可以将水渍烟叶与其他烟叶区分开来。进一步地，将图像信息进行处理以获得近正常烟叶、近水渍烟叶、正常烟叶和水渍烟叶的特征向量；对特征向量进行预处理消除异常的数值信息。进一步地，对预处理之后的特征向量，采用有监督模式的二维投影处理获得二维投影向量。进一步地，把二维投影向量从上到下进行拼接，形成新图像信息；根据新图像信息计算水渍烟叶占样本烟叶中的比例。本专利技术提供一种快速从图像信息中提取有效的水渍烟叶的特征信息，为水渍烟叶的分类以及识别指导提供依据。本专利技术的积极效果：快速的解决了一润后水渍烟叶的快速识别以及比例的计算，为通过工艺的控制来减少水渍烟叶的比例打下了坚实的基础，积累了原始的水渍烟叶识别数据；本专利是图像特征抽提的经典范例，首次把化学计量学的方法与图像处理技术融合在一块，为运用化学计量学技术来推动图像处理技术的发展在图像特征抽提以及图像相似度的比对方面做了较为新颖的尝试。附图说明图1为正常烟叶的透光率T1，T1均值为29.34％，且T1＜40％。图2为水渍烟叶的透光率T2,T2均值为90％，且T2＞85％。图3为近正常烟叶的图像及编号。图4为近水渍烟叶的图像及编号。图5为正常烟叶的图像及编号。图6为水渍烟叶的图像及编号。图7为不同烟叶的类型对应的颜色值。图8为不同种类的烟叶的特征图谱。图9为识别结果。图10为IS图像。图11为水渍烟特征面积图。具体实施方式以下由特定的具体实施例说明本专利技术的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本专利技术的其他优点及功效。在进一步描述本专利技术具体实施方式之前，应理解，本专利技术的保护范围不局限于下述特定的具体实施方案；还应当理解，本专利技术实施例中使用的术语是为了描述特定的具体实施方案，而不是为了限制本专利技术的保护范围。下列实施例中未注明具体条件的试验方法，通常按照常
规条件，或者按照各制造商所建议的条件。当实施例给出数值范围时，应理解，除非本专利技术另有说明，每个数值范围的两个端点以及两个端点之间任何一个数值均可选用。除非另外定义，本专利技术中使用的所有技术和科学术语与本
技术人员通常理解的意义相同。除实施例中使用的具体方法、设备、材料外，根据本
的技术人员对现有技术的掌握及本专利技术的记载，还可以使用与本发本文档来自技高网...

【技术保护点】
一种基于工业相机特征提取的润后水渍烟叶识别方法，其特征在于：所述方法包括如下步骤：采集在线烟叶样本的所有原始烟叶图像，将烟叶样本人工分类为正常烟叶、水渍烟叶、近正常烟叶和近水渍烟叶，并获取所有原始烟叶图像的信息；对所述原始烟叶图像的信息进行处理获得所有原始烟叶图像的特征向量；对所述特征向量进行SNV预处理以消除异常数值信息；对预处理后的特征采取有监督模式的二维投影处理获得二维投影向量；将所述二维投影向量按照同种分类进行同列拼接，不同种分类之间上下拼接的原则形成新图像信息矩阵；根据新图像信息矩阵和阈值识别新图像信息矩阵中包含水渍烟叶特征的连通区域面积；计算包含水渍烟叶特征的连通区域面积占新图像信息矩阵的总面积的比例即为水渍烟的比例。

【技术特征摘要】
1.一种基于工业相机特征提取的润后水渍烟叶识别方法，其特征在于：所述方法包括如下步骤：采集在线烟叶样本的所有原始烟叶图像，将烟叶样本人工分类为正常烟叶、水渍烟叶、近正常烟叶和近水渍烟叶，并获取所有原始烟叶图像的信息；对所述原始烟叶图像的信息进行处理获得所有原始烟叶图像的特征向量；对所述特征向量进行SNV预处理以消除异常数值信息；对预处理后的特征采取有监督模式的二维投影处理获得二维投影向量；将所述二维投影向量按照同种分类进行同列拼接，不同种分类之间上下拼接的原则形成新图像信息矩阵；根据新图像信息矩阵和阈值识别新图像信息矩阵中包含水渍烟叶特征的连通区域面积；计算包含水渍烟叶特征的连通区域面积占新图像信息矩阵的总面积的比例即为水渍烟的比例。2.如权利要求1所述方法，其特征在于：采用工业相机采集在线烟叶样本的所有原始图像。3.如权利要求1所述方法，其特征在于：获得所有原始烟叶图像的特征的方法包括如下步骤：21)将所有原始烟叶图像的信息进行灰度处理；22)通过PCA分解获得原始烟叶图像的特征向量即为所有原始烟叶图像的特征。4.如权利要求1所述方法，其特征在于：获得所有原始烟叶图像的特征的方法包括如下步骤：对每张原始烟叶图像由RGB空间进行灰度处理，得到二维灰度矩阵G；对每个分类的每张图像的灰度矩阵Gi采取如下的方式进行特征抽提：对Gi进行特征矩阵的分解获得：Gi＝Pi*Si+Ei；其中Pi为载荷矩阵，Si为得分矩阵；Ei是指分解的残差矩阵；取分矩阵Si的第一列形成列向量作为该图像的特征向量，记为S(：，1)；分别把各分类中的每个图像的特征向量合并成特征向量矩阵TS＝[Si(:,1)]。5.如权利要求4所述方法，其特征在于：SNV预处理为标准正态变量变换预处理，是以特征向量矩阵中的每列数据为单位，将各列中各点值减去此列的平均值，然后除以此列的标准方差获得。6.如权利要求1所述方法，其特征在于：有监督模式的二维投影是指线性判别LDA或偏最小二乘的线性判别。7.如权利要求6所述方法，其特征在于：二维投影的原则是类间的距离与类内的距离的比值最大。8.如权利要求7所述方法，其特征在于：类间的距离R的...

【专利技术属性】
技术研发人员：徐其敏，窦家宇，王际洲，陈清，张军，
申请(专利权)人：华环国际烟草有限公司，上海创和亿电子科技发展有限公司，
类型：发明
国别省市：安徽;34