【技术实现步骤摘要】
本专利技术涉及烟草产品检测，更具体地说涉及一种利用图案分割和边缘检测技术来区分具有和不具有纹理的烟草产品端头的方法。
技术介绍
1、在当前的自动化条烟订单核验系统中，图像识别和特征匹配技术是核心组成部分。这些系统的主要目的是通过分析条烟图像，确保其与订单信息相符。然而，一个主要的挑战是，当条烟端头缺乏可识别的纹理或特征时，这些系统的准确性和效率大大降低。
2、条烟端头的纹理和特征在图像匹配和识别过程中扮演着至关重要的角色。具有明显纹理的端头通常包含独特的模式和标记，这些可以作为识别和匹配的关键依据。然而，许多条烟端头可能表面平滑或颜色单一，没有明显的纹理或标记，这使得从图像中提取可靠的特征变得极其困难，从而导致匹配过程中的错误识别和误判增多。
3、误判导致错误的订单匹配结果，从而影响运营效率。因此，为了提高匹配过程的准确性和效率，迫切需要一种方法来有效区分有纹理和无纹理的条烟端头。只有将那些无纹理、难以用于特征提取的端头从匹配过程中先行筛除，系统才能集中资源和技术对那些具有明显纹理的端头进行精确匹配，从而大幅提升整体的匹配准确率和处理速度。
4、目前常用的区分物品有无纹理的方法，包含常用的传统的图像处理技术和深度学习算法。然而，传统图像处理技术包括灰度共生矩阵等方法受到环境因素影响严重；深度学习算法通常使用分类网络对物品有无纹理进行分类，但条烟端头纹理种类丰富，且由于生产环境端头上会带有部分不规则的污渍，会对模型造成干扰。所以现有技术很难达到当前场景的应用要求。
技
1、为了克服上述现有技术中存在的缺陷，本专利技术公开了一种区分条烟端头有无纹理的方法，本专利技术利用图案分割和边缘检测技术来区分具有和不具有纹理的烟草产品端头，能够有效区分具有纹理和无纹理的条烟端头，提高特征提取与匹配的准确性，从而减少自动核验中的误判现象。
2、为了实现以上目的，本专利技术采用的技术方案：
3、一种区分条烟端头有无纹理的方法，包括以下步骤：
4、一、端头检测
5、s1、采集条烟包裹图像，并检测条烟包裹图像中的条烟端头获得条烟端头图像；
6、优选的，s1步骤中，建立条烟端头检测模型，并将条烟包裹图像输入条烟端头检测模型中，条烟端头检测模型输出条烟端头图像。
7、优选的，s1步骤中，所述条烟端头检测模型采用yolov8模型，使用1500张条烟核验场景图像和标注条烟端头坐标图像作为训练集，对所述条烟端头检测模型进行模型训练。
8、二、边缘检测和图案分割
9、s2、利用边缘检测方法和图案分割方法，检测条烟端头图像中是否具有可用于特征提取的纹理；其中，当边缘检测方法和图案分割方法中任一方法检测条烟端头图像中具有纹理时，该条烟端头图像被判定为有纹理规格；当边缘检测方法和图案分割方法均未检测到条烟端头图像中具有纹理时，该条烟端头图像被判定为无纹理规格；
10、2.1边缘检测
11、优选的，s2步骤的边缘检测方法中，使用canny边缘检测算法来衡量图像中条烟端头是否具有纹理，适用于没有特殊大面积标志却含有复杂花纹式背景图案的条烟端头。
12、优选的，s2步骤的边缘检测方法包括以下步骤：
13、s211、裁剪条烟端头图像外围区域；
14、优选的，s211步骤中，裁剪的比例在条烟端头图像长、宽的5%。
15、s212、通过闭运算去除条烟端头图像噪声；
16、优选的，s212步骤包括：依次对条烟端头图像进行二值化处理、腐蚀操作、膨胀操作。
17、s213、使用canny算子检测条烟端头图像边缘，并利用边缘信息判断条烟端头图像中是否具有可用于特征提取的纹理。
18、优选的，s213步骤包括：
19、利用canny边缘检测算法，获得条烟端头图像中的边缘；
20、计算条烟端头图像中边缘像素密度，所述边缘像素密度为检测到的边缘像素在整个图像中所占的比例；
21、判断边缘像素密度是否超过密度阈值，若超过密度阈值，则条烟端头图像中具有可用于特征提取的纹理，否则为不具有可用于特征提取的纹理。
22、优选的，所述边缘像素密度为：
23、
24、其中，d为边缘像素密度，e为图像中被检测为边缘的像素数，t 为图像的总像素数。
25、优选的，所述密度阈值为0.004。
26、2.2图案分割
27、优选的，s2步骤的图案分割方法中，利用yolov8-seg模型构建图案分割模型检测条烟端头图像中是否具有可用于特征提取的纹理，图案分割模型标注条烟端头图像上的图案或文字轮廓作为分割的标签。
28、优选的，图案分割模型在训练过程中，对标注的1000张图像随机添加反光或阴影，生成3000张图像，共同进行训练，训练好的图案分割模型被用来分割条烟端头图像中的图案。
29、优选的，s2步骤的图案分割方法包括以下步骤：
30、将条烟端头图像输入图案分割模型中，获得该条烟端头图像分割对象的边界框、置信度分数、分割掩膜；
31、将置信度分数与置信度阈值比较，置信度分数大于置信度阈值的部分作为条烟端头图像中的图案或文字纹理部分，否则为非纹理部分；
32、对于图案或文字纹理部分，对分割掩膜中分割对象的面积进行判断，包括：计算检测到的最大分割对象的面积与图像面积的面积比值，判断面积比值是否大于分割面积阈值，若面积比值大于分割面积阈值则条烟端头图像中具有可用于特征提取的纹理，否则为不具有可用于特征提取的纹理。
33、优选的，所述置信度阈值为0.62，分割面积阈值为10%。
34、三、判断结果处理
35、s3、将判定为无纹理规格的条烟端头图像删除，将判定为有纹理规格的条烟端头图像进行特征提取和订单匹配；
36、优选的，s3步骤在订单匹配时的匹配成功的条件为：s1步骤检测到的条烟端头数量与订单上的卷烟总数相符，并且特征提取的端头纹理规格与订单规定的规格一致。
37、四、输出
38、s4、输出成功匹配的条烟端头图像及订单信息，以及被删除的无纹理规格条烟端头图像信息。
39、本专利技术的有益效果：
40、本专利技术不单独依赖一种方法来判断条烟端头是否具有可用于匹配的纹理，而是综合使用边缘检测和图案分割两种方法进行验证。现有区分有无纹理的技术手段单一，受到环境因素影响较大，准确率较低。在本专利技术应用场景中，区分卷烟端头有无纹理关联到后续自动化卷烟核验的准确率，所以对区分有无纹理的功能的要求较高，原有技术不适用。在本专利技术中，边缘检测精确地识别具有复杂纹理的端头,图案分割可以精确分割端头上的logo或文字，为纹理特征提供更细致的信息。提高了端头检测的准确性，因为两种技术的结合使得系统不仅能识别端头的位置，还能进一步确认其纹理特征，大大减少本文档来自技高网...
【技术保护点】
1.一种区分条烟端头有无纹理的方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种区分条烟端头有无纹理的方法，其特征在于，S1步骤中，建立条烟端头检测模型，并将条烟包裹图像输入条烟端头检测模型中，条烟端头检测模型输出条烟端头图像；
3.如权利要求1所述的一种区分条烟端头有无纹理的方法，其特征在于，S2步骤的边缘检测方法中，使用Canny边缘检测算法来衡量图像中条烟端头是否具有纹理，适用于没有特殊大面积标志却含有复杂花纹式背景图案的条烟端头。
4.如权利要求1所述的一种区分条烟端头有无纹理的方法，其特征在于，S2步骤的边缘检测方法包括以下步骤：
5.如权利要求4所述的一种区分条烟端头有无纹理的方法，其特征在于，S211步骤中，裁剪的比例在条烟端头图像长、宽的5%；
6.如权利要求4所述的一种区分条烟端头有无纹理的方法，其特征在于，S213步骤包括：
7.如权利要求1所述的一种区分条烟端头有无纹理的方法，其特征在于，S2步骤的图案分割方法中，利用yolov8-seg模型构建图案分割模型检测条烟端头图像中是
8.如权利要求1所述的一种区分条烟端头有无纹理的方法，其特征在于，S2步骤的图案分割方法包括以下步骤：
9.如权利要求1所述的一种区分条烟端头有无纹理的方法，其特征在于，还包括以下步骤：
10.如权利要求9所述的一种区分条烟端头有无纹理的方法，其特征在于，S3步骤在订单匹配时的匹配成功的条件为：S1步骤检测到的条烟端头数量与订单上的卷烟总数相符，并且特征提取的端头纹理规格与订单规定的规格一致。
...【技术特征摘要】
1.一种区分条烟端头有无纹理的方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种区分条烟端头有无纹理的方法，其特征在于，s1步骤中，建立条烟端头检测模型，并将条烟包裹图像输入条烟端头检测模型中，条烟端头检测模型输出条烟端头图像；
3.如权利要求1所述的一种区分条烟端头有无纹理的方法，其特征在于，s2步骤的边缘检测方法中，使用canny边缘检测算法来衡量图像中条烟端头是否具有纹理，适用于没有特殊大面积标志却含有复杂花纹式背景图案的条烟端头。
4.如权利要求1所述的一种区分条烟端头有无纹理的方法，其特征在于，s2步骤的边缘检测方法包括以下步骤：
5.如权利要求4所述的一种区分条烟端头有无纹理的方法，其特征在于，s211步骤中，裁剪的比例在条烟端头图像长、宽的5%；
6.如权利要求4所述...
【专利技术属性】
技术研发人员：曾华，朱小晓，李涛，周裕畯，樊娟，张林，向颖，曾鹏程，周幸，马爱军，任波，李铸，戴强，张婷，
申请(专利权)人：四川省烟草公司成都市公司，
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。