一种初烤烟叶青筋烟自动识别方法及青筋烟检测报警系统技术方案

本发明专利技术公开了一种初烤烟叶青筋烟自动识别方法及青筋烟检测报警系统，其中，所述方法包括：采集待测烟叶图像；将所述待测烟叶图像划分为大小相等的多个图像块；对于每个图像块：分别根据青筋的特征阈值区间，识别所有落入该特征阈值区间的像素；对识别出的像素进行连续性检测；若存在连续像素，且连续的像素数目超过一定阈值，判定该图像块中存在青筋；根据所有图像块青筋的识别结果，判断所述待测烟叶图像是否存在青筋。该方法能够自动识别初烤烟叶中是否包含青筋，且在烟叶收购环节进行青筋烟检测报警。

【技术实现步骤摘要】
一种初烤烟叶青筋烟自动识别方法及青筋烟检测报警系统
本专利技术涉及图像处理
，尤其涉及一种初烤烟叶青筋烟自动识别方法及青筋烟检测报警系统。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。黄片黄筋是优质烟叶的基本要求，但是在烟叶生产中，特别是上部烟叶初烤后叶脉含青(青筋)现象比较普遍。青筋烟叶不仅表明叶脉中叶绿素在烘烤过程中没有充分降解，同时也意味着叶内的淀粉、蛋白质等物质分解转化不足，内在油分少、弹性差，内在化学成分不协调，青杂色重，香气不足，叶片内在和外观品质都很差，对工业卷烟产品的质量影响很大也很坏。目前对青筋烟的识别都是通过人工观看的方法进行检测，但是人工检测存在视觉疲劳和人为主观因素等的影响制约。
技术实现思路
为克服上述现有技术的不足，本专利技术提供了一种青筋烟自动识别方法和青筋烟检测报警系统，构建青筋的特征阈值区间，对采集的烟叶图像进行快速、准确的自动识别，判断是否含有青筋烟，并且据此提醒烟叶定级人员剔除青筋烟。为实现上述目的，本专利技术的一个或多个实施例提供了如下技术方案：一种青筋烟自动识别方法，包括以下步骤：通过照明成像设备采集待测烟叶图像；将图像由RGB空间转换为HSI空间，通过高斯滤波对图像进行增强；将所述待测烟叶增强图像划分为大小相等的多个图像块；对于每个图像块：分别根据青筋的特征阈值区间，识别所有落入该特征阈值区间的像素；对识别出的像素进行连续性检测；若存在连续像素，且连续的像素数目超过一定阈值，判定该图像块中存在青筋；根据所有图像块青筋的识别结果，判断所述待测烟叶图像是否存在青筋。一个或多个实施例提供了一种青筋烟自动识别系统，包括：照明成像模块，采集待测烟叶图像；青筋特征阈值区间生成模块，通过对多个青筋烟样品图像进行分析提取青筋特征；图像分块模块，将所述待测烟叶图像划分为大小相等的多个图像块；青筋识别模块，对于每个图像块：分别根据青筋的特征阈值区间，识别所有落入该特征阈值区间的像素；对识别出的像素进行连续性检测；若存在连续像素，且连续的像素数目超过一定阈值，判定该图像块中存在青筋；根据所有图像块青筋的识别结果，判断所述待测烟叶图像是否存在青筋。一个或多个实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述青筋烟自动识别方法。一个或多个实施例提供了一种计算装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述青筋烟自动识别方法。一个或多个实施例提供了一种青筋烟检测报警系统，包括：定级设备，接收工作人员针对当前工作台上摆放的待测烟叶输入的烟叶等级，并发送至服务器；以及，接收服务器发送的告警信息并显示；服务器，接收定级设备发送的等级信息后，向成像装置发送图像获取指令；以及，接收成像设备返回的待测烟叶图像，执行如权利要求1-4任一项所述的烟叶青筋自动识别方法，若识别结果为包含青筋，向定级设备发送告警信息；成像设备，响应服务器发送的图像获取指令，对当前工作台上摆放的待测烟叶进行拍摄，并将待测烟叶图像发送至服务器。以上一个或多个技术方案存在以下有益效果：本专利技术在青筋烟识别过程中，对待测烟叶图像进行分块，分别对每个分块进行青筋识别，相对于对整幅图像执行识别，通过分块的方式不容易忽略图像中的细节，且各分块内受到的光照相对更为均匀，识别效果更好；并且，对每个分块识别色调值在该特征阈值区间内的所有像素，然后对这些像素进行连续性检测，判断这些像素是否构成叶脉，若这些像素构成了叶脉，则说明包含青筋，这种方式保证了在烟叶数量很多时，图像中叶脉辨识度较弱的情况下，也能够识别出青筋。本专利技术还将该青筋烟识别方法应用于青筋烟检测报警系统，在工作人员对当前烟叶进行定级时，服务器接收工作人员经由定级设备输入的等级，触发摄像头拍照，获取当前烟叶的图像，对该图像进行青筋识别，若识别结果为包含青筋，则向定级设备发出警示，即使工作人员视觉疲劳没有发现，也能提醒工作人员及时剔除青筋烟，避免含青筋烟的烟叶入库，确保卷烟原材料的纯度和质量。附图说明构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。图1为本专利技术一个实施例的青筋烟识别方法流程图；图2为本专利技术一个实施例中青筋烟检测报警系统的示意图，图中，1、标准光源；2、网络相机；3、工作面；4、后台服务器；5、定级设备。具体实施方式应该指出，以下详细说明都是示例性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。实施例一本专利技术的一个典型实施例公开了一种初烤烟叶青筋烟自动识别方法，如图1所示，包括以下步骤：步骤1：采集待测烟叶图像；本实施例采用照明成像设备采集待测烟叶图像，所述照明成像设备满足如下要求：采用标准光源模拟自然光照明，色温：5500—6000k，照度：自然散射光3000—10000Lx，人工模拟自然光2000±200Lx；烟叶摆放工作台面颜色为灰色或白色，无明显反光；成像设备采用1600万像素高色彩还原度网络相机，相机安装于取景区正上方，距离工作台面高度0.8-1米。步骤2：将图像由RGB空间转换为HSI空间，通过高斯滤波对图像进行增强；步骤3：将所述待测烟叶图像划分为大小相等的多个图像块；本实施例中将待测烟叶图像划分为100个图像块；在进行烟叶青筋识别时，将图像进行分块，对每个分块分别进行青筋识别，各分块内受到的光照相对更为均匀，并且相对于对整幅图像进行识别，不容易忽略图像中的细节。步骤4：对于每个图像块进行青筋识别，具体包括：步骤4.1：分别根据青筋的特征阈值区间，识别所有落入该特征阈值区间的像素；步骤4.2：对识别出的像素进行连续性检测；步骤4.3：若存在连续像素，且连续的像素数目超过一定阈值，判定该图像块中存在青筋。所述步骤4.1中特征阈值区间的获取方法为：(1)采集多片青筋烟叶片的图像，并人工识别和截取包含青筋的部分图像，作为模板图像；具体地，将含青筋的烟叶叶片展开平放于照明成像系统工作台上，采集其图像，手动截取图像中叶片青筋位置的矩形模板，并确保截取模板中烟筋全部为青筋，将此作为样品模板识别范围；(2)分别对所述多个样品模板做如下处理：将模板图像转换至HSI空间，并进行图像增强；本实施例中，采用高斯滤波对图像进行增强；对增强后的图像进行边缘检测，识别叶脉；根据增强后图像的H分量提取叶脉对应的所有色调值；本实施例中，采用Canny边缘检测方法对增强后的图像进行边缘识别；基于色调值确定青筋的特征阈值区间：将青筋模板图像中叶脉对应的所有色调值从大到小进行排列；去掉其中5％的最大值，去掉其中5％的最小值，再分别求取数值较大的20本文档来自技高网...

【技术保护点】
1.一种初烤烟叶青筋烟自动识别方法，其特征在于，包括以下步骤：通过照明成像设备采集待测烟叶图像；将图像由RGB空间转换为HSI空间，通过高斯滤波对图像进行增强；将所述待测烟叶增强图像划分为大小相等的多个图像块；对于每个图像块：分别根据青筋的特征阈值区间，识别所有落入该特征阈值区间的像素；对识别出的像素进行连续性检测；若存在连续像素，且连续的像素数目超过一定阈值，判定该图像块中存在青筋；根据所有图像块青筋的识别结果，判断所述待测烟叶图像是否存在青筋。

【技术特征摘要】
1.一种初烤烟叶青筋烟自动识别方法，其特征在于，包括以下步骤：通过照明成像设备采集待测烟叶图像；将图像由RGB空间转换为HSI空间，通过高斯滤波对图像进行增强；将所述待测烟叶增强图像划分为大小相等的多个图像块；对于每个图像块：分别根据青筋的特征阈值区间，识别所有落入该特征阈值区间的像素；对识别出的像素进行连续性检测；若存在连续像素，且连续的像素数目超过一定阈值，判定该图像块中存在青筋；根据所有图像块青筋的识别结果，判断所述待测烟叶图像是否存在青筋。2.如权利要求1所述的一种初烤烟叶青筋烟自动识别方法，其特征在于，照明成像设备满足如下要求：采用标准光源模拟自然光照明，色温：5500—6000k，照度：自然散射光3000—10000Lx，人工模拟自然光2000±200Lx；烟叶摆放工作台面颜色为灰色或白色，无明显反光；成像设备采用1600万像素高色彩还原度网络相机，相机安装于取景区正上方，距离工作台面高度0.8-1米。3.如权利要求1所述的一种初烤烟叶青筋烟自动识别方法，其特征在于，青筋特征阈值区间的获取方法为：将N片青筋烟叶片展平，通过照明成像设备依次采集图像，每幅图像一个叶片；将所述N幅图像分别做如下处理：人工识别并截取图像中叶片青筋位置的模板图像，并确保截取模板中的烟筋全部为青筋，将此作为样品图像；将样本图像由RGB空间转换至HSI空间，通过高斯滤波对图像进行增强；对增强后的图像进行边缘检测，识别出叶脉；对增强后叶脉所有像素点的H分量值按照大小排序，去掉其中5％的最大值和5％的最小值，剩余部分中，选取20％数值较大的H分量值并计算几何平均值，标记为HM_T，选取20％数值较小的H分量值并计算几何平均值，标记为HL_T。求取上述N片青筋烟样品HM_T的平均值标记为HM，求取上述N片青筋烟样品HL_T的平均值标记为HL，将HM和HL作为青筋特征阈值区间。4.如权利要求1所述的一种初烤烟叶青筋烟自动识别方法，其特征在于，所述对识别出的像素进行连续性检测包括：对识别出的像素根据坐标位置进行聚类，聚类规则为：一个类簇中每相邻两个点之间的距离小于第一设定阈值，将像素数量小于第二设定阈值的类簇删除；对于剩余的类簇，分别针对其中...

【专利技术属性】
技术研发人员：傅传德，许清强，孙靖，徐宗宗，程学青，郭永良，张伟，李军，赵文彩，郑磊，傅云龙，孙晓良，李培云，高峰，
申请(专利权)人：山东山大新元易通信息科技有限公司，
类型：发明
国别省市：山东,37