System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像识别,具体地说是一种基于图像分析的烟叶等级牌识别方法、系统、介质及设备。
技术介绍
1、烟叶定级为烟叶收购的重要环节,烟叶定级的准确与否直接影响烟叶收购的质量。随着卷烟工业企业实施组织结构调整,在烟叶收购过程中,国家烟草局逐渐推行了无人值守,自动称重,质量追溯等收购管理模式。当前在定级环节将超高频rfid等级牌放到烟筐中,随后在称重环节使用超高频读卡器读取rfid中信息并上传收购系统。在称重环节现在多采用网络照相机对称重烟筐进行拍照留存。
2、当前这种定级方式需要每条收购线配备超高频读卡器和大量高频rfid等级牌,并且还需要提前在系统中录入等级牌信息以便于读取对应等级,增加了大量的人力和成本。
3、故如何快速读取烟叶等级牌上的等级信息,省去当前使用的超高频读卡器和大量高频rfid等级牌,节省人力和成本是目前亟待解决的技术问题。
技术实现思路
1、本专利技术的技术任务是提供一种基于图像分析的烟叶等级牌识别方法、系统、介质及设备,来解决如何快速读取烟叶等级牌上的等级信息,省去当前使用的超高频读卡器和大量高频rfid等级牌,节省人力和成本的问题。
2、本专利技术的技术任务是按以下方式实现的,一种基于图像分析的烟叶等级牌识别方法,该方法具体如下:
3、使用高清摄像机拍摄带有等级牌的称重烟筐图片;其中,带有等级牌的称重烟筐图片包括不同角度、光照条件和等级牌摆放位置的场景;
4、获取待识别的称重烟筐正视图图像,并对对
5、对灰度化处理后的称重烟筐正视图图像进行区域提取,获取各个烟筐、烟叶、地面、托筐小车、等级牌图像区域以及区域特征参数,并根据各个图像区域特征参数确定等级牌图像区域;
6、使用二值化处理等级牌图像区域,获取二值化处理后的等级牌图像区域;
7、对二值化处理后的等级牌图像区域进行投影,根据投影的变化趋势确定目标区域的烟叶等级字符图像的位置和大小,并对等级牌图像区域进行分割得到各个烟叶等级字符图像;
8、对各个烟叶等级字符图像进行归一化处理,使得不同尺度的像素值在同一尺度上进行比较和分析获取归一化的烟叶等级字符图像;
9、对各个归一化的烟叶等级字符图像进行模板匹配,输出各个烟叶等级字符的匹配字符;
10、将各个烟叶等级的匹配字符按照对应的等级牌字符进行排序,获取烟叶等级的识别结果。
11、作为优选,区域提取是利用图像分割和边缘检测技术将灰度化处理后的称重烟筐正视图图像中的各个区域分离处理,具体如下:
12、边缘检测:使用边缘检测算法(canny算法)对灰度化处理后的称重烟筐正视图图像中进行边缘检测,提取灰度化处理后的称重烟筐正视图图像中边缘信息;其中,灰度化处理后的称重烟筐正视图图像中的边缘信息代表不同区域之间的边界;
13、阈值分割:根据灰度化处理后的称重烟筐正视图图像的灰度值,使用阈值分割方法将图像划分为不同的区域;并选择合适的阈值使得烟叶等级牌、烟筐、烟叶、地面以及拖筐小车的区域被正确地分离出来;
14、区域生长或分裂合并:对于阈值分割后的区域,通过区域生长或分裂合并进一步细化或合并对应区域;
15、特征提取:对每个提取出来的区域,提取对应特征参数,对应特征参数包括面积、周长及形状因子,这些特征参数可以帮助识别出每个区域的具体类型(烟叶等级牌、烟筐、烟叶、地面等);
16、确定等级牌图像区域:根据各个区域的位置、大小、形状的特征参数确定等级牌的图像区域,并设置对应规则或阈值排除其他干扰区域,如拖筐小车或烟叶等。
17、更优地,使用边缘检测算法(canny算法)进行边缘检测具体如下:
18、滤波:对灰度化处理后的称重烟筐正视图图像进行平滑滤波,以减少图像中的噪声,滤波是为了防止在边缘检测中出现过多的虚假边缘;
19、计算梯度:对滤波后的图像计算梯度大小和方向;其中,梯度表示像素值的变化率,用于判断边缘的存在;其中,梯度的幅值公式如下:
20、g=sqrt(gx^2+gy^2);
21、梯度的方向公式如下:
22、θ=tan^(-1(gy/gx);
23、其中,gx和gy是在x和y方向上的梯度;梯度的方向归为垂直、水平和对角线四类;
24、梯度的计算公式如下:
25、
26、其中,表示函数f对第i个自变量的偏导数;
27、非极大值抑制:通过比较像素点梯度方向和大小,确定是否为边缘像素:
28、若像素点梯度值小于设定阈值,则认为对应像素点不是边缘像素;
29、双阈值处理:设置一个高阈值和一个低阈值,判断如下:
30、若像素点梯度值高于高阈值,则认为对应像素点为强边缘像素;
31、若像素点梯度值低于低阈值,则认为对应像素点为非边缘像素;
32、若像素点梯度值介于高阈值和低阈值之间,则需要进一步判断;
33、滞后阈值:在双阈值处理的基础上,对像素点进行滞后阈值处理,具体为:
34、若一个像素点被标记为强边缘像素,则强边缘像素点相邻像素点被标记为边缘像素;
35、若一个像素点被标记为非边缘像素,则非边缘像素点相邻像素点不会标记为边缘像素;
36、边缘连接:将检测到的边缘像素点连接成连续的线条,形成完整的边缘。
37、更优地,阈值分割是通过选取适当的阈值,实现图像的二值化,即将像素分为前景和背景两类,具体如下:
38、确定阈值:根据图像的特点和分割要求,选择一个阈值进行分割;
39、比较像素值:将每个像素的灰度值与阈值进行比较,判断像素属于哪个类别;
40、分类像素:根据比较结果,将像素分为前景、背景及边缘不同的类别,;
41、输出分割结果:将分类后的像素组成不同的区域,形成分割图像。
42、作为优选,二值化处理后的等级牌图像区域的投影是根据投影值的变化趋势确定烟叶等级字符图像的位置和大小,具体如下:
43、投影:按照选择的水平或垂直投影方向遍历二值化图像的每个像素,统计每个位置的像素值(0或255),并将每个位置的像素值累加起来得到投影值;
44、变化趋势分析:观察投影值的变化趋势,即在投影值出现明显的下降或上升趋势的位置,在投影值出现明显的下降或上升趋势的位置对应烟叶等级字符图像的边界;
45、确定目标区域:基于投影值的变化趋势确定目标区域的位置和大小,并通过阈值分割或边缘检测方法将投影值高于设定阈值的区域视为目标区域;
46、分割等级牌图像区域:确定目标区域的位置和大小后,使用图像分割技术将目标区域本文档来自技高网...
【技术保护点】
1.一种基于图像分析的烟叶等级牌识别方法,其特征在于,该方法具体如下:
2.根据权利要求1所述的基于图像分析的烟叶等级牌识别方法,其特征在于,区域提取是利用图像分割和边缘检测技术将灰度化处理后的称重烟筐正视图图像中的各个区域分离处理,具体如下:
3.根据权利要求2所述的基于图像分析的烟叶等级牌识别方法,其特征在于,使用边缘检测算法进行边缘检测具体如下:
4.根据权利要求3所述的基于图像分析的烟叶等级牌识别方法,其特征在于,阈值分割是通过选取适当的阈值,实现图像的二值化,即将像素分为前景和背景两类,具体如下:
5.根据权利要求1所述的基于图像分析的烟叶等级牌识别方法,其特征在于,二值化处理后的等级牌图像区域的投影是根据投影值的变化趋势确定烟叶等级字符图像的位置和大小,具体如下:
6.根据权利要求1所述的基于图像分析的烟叶等级牌识别方法,其特征在于,各个烟叶等级字符图像的归一化处理是消除像素值尺度对后粗分析的影响,使得不同尺度的像素值在同一尺度上进行比较和分析;其中,归一化处理是将像素值转换到设定的范围内,具体如下:
...【技术特征摘要】
1.一种基于图像分析的烟叶等级牌识别方法,其特征在于,该方法具体如下:
2.根据权利要求1所述的基于图像分析的烟叶等级牌识别方法,其特征在于,区域提取是利用图像分割和边缘检测技术将灰度化处理后的称重烟筐正视图图像中的各个区域分离处理,具体如下:
3.根据权利要求2所述的基于图像分析的烟叶等级牌识别方法,其特征在于,使用边缘检测算法进行边缘检测具体如下:
4.根据权利要求3所述的基于图像分析的烟叶等级牌识别方法,其特征在于,阈值分割是通过选取适当的阈值,实现图像的二值化,即将像素分为前景和背景两类,具体如下:
5.根据权利要求1所述的基于图像分析的烟叶等级牌识别方法,其特征在于,二值化处理后的等级牌图像区域的投影是根据投影值的变化趋势确定烟叶等级字符图像的位置和大小,具体如下:
6.根据权利要求1所述的基于图像分析的烟叶等级牌识别方法,其特征在于,各个烟叶等级字符图像的归一化处理是消除像素值尺度对后粗分析的影响,使得不同尺度的像素值在同一尺度上进行比较和分析;其中,归一化...
【专利技术属性】
技术研发人员:张伟,孙靖,杨明伟,王树军,常亮,
申请(专利权)人:山东浪潮新科信息技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。