【技术实现步骤摘要】
本专利技术涉及烟草制品监测，具体为基于双目相机和卷积神经网络的烟包纹理识别方法、系统。
技术介绍
1、随着科技的发展，图像处理技术和机器视觉技术逐步应用于烟草制品监测
，这是由于传统的烟草制品监测方法已经不能满足现代化的需求，现有的烟草制品监测方法主要是通过人工监测或者简单的机器视觉技术来进行。
2、对于成产线、大规模的烟卷/草厂，人工监测虽然可以较为准确地监测出烟草制品的质量，但是效率低下，无法满足大规模生产的需要，简单的机器视觉技术虽然可以提高检测效率，但是精度不高，容易受到环境因素的影响。
3、而且在实际中，考虑到生产线的空间限制和连续作业的需求，第三方的监测设备必须在产线的空隙位置快速搭建，同时保证不对整个产线的作业造成影响，但由于烟草制品的种类繁多，不同种类的烟草制品的图像特征不同，这就导致传统的机器视觉技术在面对不同种类的烟草制品时，往往无法准确识别。往往一个烟草工厂的生产线设计紧凑，以最大化生产空间的利用。在这样的环境中，引入第三方监测设备，如高速相机和机器视觉系统，需要在不干扰生产流程的前提下，迅速安装在不同生产线的有限空间内，这些设备的任务是实时监测烟包的质量，包括监测透明纸散包、印刷错误、封口完整性等缺陷。由于烟草制品种类繁多，从经典硬盒到软包，再到各种特殊节日包装，每种烟包的图像特征都有所不同，同时产线上的联动机构/传送机构等的位置不同。导致传统的机器视觉技术在监测硬盒/软包以及各类烟包的封口不严时表现得不理想。
4、基于此，亟需通过构建一种对焦策略限定约束关系，使
技术实现思路
1、针对现有技术存在的不足，本专利技术目的是提供基于双目相机和卷积神经网络的烟包纹理识别方法、系统，解决上述
技术介绍
中提出的问题。
2、为了实现上述目的，本专利技术是通过如下的技术方案来实现：一种基于双目相机和卷积神经网络的烟包纹理识别方法，包括步骤：
3、s1、基于高速双目相机快速捕捉烟包纹理图像，其操作如下：
4、s1-1、基于目标烟包的宽度尺寸w、高度尺寸h、双目相机焦距f，以及目标烟包上细节尺寸d，确定构建所述双目相机与目标烟包间的几何约束关系，以确保双目相机能够清晰且全覆盖捕捉到目标烟包的所有细节；
5、s1-2、构建对焦策略，确定满足双目相机探测所需基本视角θ和分辨率r要求的最小焦距fmin，并使用该最小焦距fmin计算实际覆盖烟草产线上目标烟包宽度和高度所需的视角θw和θh，实施对焦操作，以使所述烟包纹理图像在最清晰对焦状态下生成表征烟包表面纹理特征的二值化烟包纹理图像；
6、s2、选择cnn作为主要模型，以包括多个卷积层、池化层，以及全连接层在内的网络架构构建卷积神经网络模型，以准确识别烟包表面纹理特征，确保对目标烟包进行监测；
7、s3、根据监测结果，生成至少包含监测结果和监测时间信息的识别报告。
8、作为本专利技术的第二方面，提出一种基于双目相机和卷积神经网络的烟包纹理识别系统，存储器以及处理器，其中，所述存储器中包括基于双目相机和卷积神经网络的烟包纹理识别程序，所述基于双目相机和卷积神经网络的烟包纹理识别程序被所述处理器执行时实现所述烟包纹理识别方法。
9、与现有技术相比，本专利技术的有益效果：
10、1、考虑到生产线的空间限制和连续作业的需求，本专利技术通过提出的对焦策略，使得双目相机系统能够在各种生产条件下，包括不同的烟包型号、尺寸和生产速度，都能达到所需的图像分辨率和质量，这一策略通过自动化的对焦过程，包括烟包纹理分析图像的获取、处理、特征提取，以及离焦距离和烟包纹理变化方向的精确计算，确保相机迅速准确地对焦，捕捉到烟包的细微特征，从而满足自动化监测系统对图像质量的严格要求，提高监测的准确性和效率，还保证生产线的连续性和稳定性，实现对产品质量的严格控制；
11、2、为判断烟包的包装是否符合生产标准，是否存在缺陷，或者是否在运输过程中受到损坏，本专利技术通过使用sobel算子对每个分区的图像纹理进行处理，提取烟包图像的表面纹理特征，通过精确识别这些边缘，提高对焦的准确性，同时也确保烟包的每个细节都被清晰捕捉，从而在质量控制过程中及时发现问题，如烟包的某个区域边缘模糊，可能表明该区域存在印刷不清晰或材料缺陷，这在没有边缘监测的情况下可能难以察觉，而本专利技术通过边缘监测，可以更精确地对焦于这些关键区域，提高监测的可靠性和效率；
12、3、由于烟包在生产线上的光照条件变化会影响灰度值，导致分割不准确，因此，本专利技术通过综合产生噪声的因素，如强光、阴影等，构建出在烟包监测的背景下的图像内容动态调整阈值，增强图像中重要特征的可见性，同时也有效地抑制噪声，提高图像质量；
13、4、由于每个烟包的图像种类不同，本专利技术通过采用视觉算法和大模型技术的方式，确定使用cnn作为图像分类的主要模型，构建出一个能够准确识别不同种类烟草制品图像特征的cnn模型，在数以万计的烟包中快速监测烟包的特征，如包装缺陷、印刷错误。
本文档来自技高网...【技术保护点】
1.一种基于双目相机和卷积神经网络的烟包纹理识别方法，其特征在于：包括步骤：
2.根据权利要求1所述的基于双目相机和卷积神经网络的烟包纹理识别方法，其特征在于：
3.根据权利要求2所述的基于双目相机和卷积神经网络的烟包纹理识别方法，其特征在于：
4.根据权利要求2所述的基于双目相机和卷积神经网络的烟包纹理识别方法，其特征在于：
5.根据权利要求2或4所述的基于双目相机和卷积神经网络的烟包纹理识别方法，其特征在于：
6.根据权利要求2所述的基于双目相机和卷积神经网络的烟包纹理识别方法，其特征在于：
7.根据权利要求2或6所述的基于双目相机和卷积神经网络的烟包纹理识别方法，其特征在于：
8.根据权利要求1所述的基于双目相机和卷积神经网络的烟包纹理识别方法，其特征在于：
9.根据权利要求1所述的基于双目相机和卷积神经网络的烟包纹理识别方法，其特征在于：
10.一种基于双目相机和卷积神经网络的烟包纹理识别系统，其特征在于：包括：
【技术特征摘要】
1.一种基于双目相机和卷积神经网络的烟包纹理识别方法，其特征在于：包括步骤：
2.根据权利要求1所述的基于双目相机和卷积神经网络的烟包纹理识别方法，其特征在于：
3.根据权利要求2所述的基于双目相机和卷积神经网络的烟包纹理识别方法，其特征在于：
4.根据权利要求2所述的基于双目相机和卷积神经网络的烟包纹理识别方法，其特征在于：
5.根据权利要求2或4所述的基于双目相机和卷积神经网络的烟包纹理识别方法，其特征在于：
【专利技术属性】
技术研发人员：李志勇，李雪莲，
申请(专利权)人：南京文易特电子科技有限公司，
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。