基于图像识别的烟丝结构检测方法与流程

1.本发明涉及烟草加工技术领域，尤其涉及一种基于图像识别的烟丝结构检测方法。


背景技术：

2.卷烟配方设计是卷烟企业产品设计的基础和核心，而烟丝的整丝率、碎丝率以及烟支中薄片丝、梗丝、叶丝的组分含量是评价卷烟烟丝物理特性的重要指标，直接反映制丝加工质量及卷烟单箱消耗，而且对卷烟的烟支重量、吸阻、端部落丝量等质量指标也有显著影响。因此，快速准确地测定出各烟丝组分在烟丝中的比例，对鉴别真伪烟草制品、考察配方设计特性、稳定烟丝混合工艺质量及同质化生产具有重要意义。
3.在目前的烟丝组成分析中，烟丝组成的测定依然依靠手工分选和人为判读。传统方法步骤复杂，检测效率低，随着工作量的增加会产生较大误差，不适用于大量检测，测量效率和精度已经很难适应现代化的检测需求和高质量卷烟生产的要求，并且不同人员的检测结果之间也存在较大误差；此外有机溶剂的使用也增加了实验过程中的防护难度，不利于检测人员的人体健康。
4.因此，亟需一种基于图像识别的烟丝结构检测方法。


技术实现要素：

5.本发明的目的是提供一种基于图像识别的烟丝结构检测方法，以解决上述现有技术中的问题，能够有效区分不同组分烟丝，并能够准确统计烟丝的整丝率和碎丝率。
6.本发明提供了一种基于图像识别的烟丝结构检测方法，其中，包括：
7.采集烟丝图像；
8.对所述烟丝图像中不同组分的烟丝进行区分，得到若干烟丝分组；
9.根据采集的所述烟丝图像，建立烟丝面积与烟丝质量的拟合模型；
10.在所述烟丝图像的各所述烟丝分组中提取烟丝骨骼，根据所述烟丝骨骼计算烟丝长度，并根据所述烟丝长度和所述拟合模型计算烟丝整丝率和/或烟丝碎丝率；
11.根据烟丝中各所述烟丝分组的比例确定烟丝结构，根据各所述烟丝分组中的烟丝整丝率和/或烟丝碎丝率确定烟丝结构质量。
12.如上所述的基于图像识别的烟丝结构检测方法，其中，优选的是，所述采集烟丝图像，具体包括：
13.利用工业相机采集烟丝图像，所述烟丝图像包括薄片丝图像、和/或梗丝图像、和/或叶丝图像、和/或由薄片丝、梗丝和叶丝中的至少二者混合而成的混合烟丝的混合烟丝图像。
14.如上所述的基于图像识别的烟丝结构检测方法，其中，优选的是，所述对所述烟丝图像中不同组分的烟丝进行区分，得到若干烟丝分组，具体包括：
15.对烟丝图像进行图像增强处理；
16.根据经过图像增强处理后的烟丝图像，计算烟丝的宽度方差；
17.根据经过图像增强处理后的烟丝图像，计算s通道的颜色方差；
18.根据烟丝的宽度方差和颜色方差，对混合烟丝中不同组分的烟丝进行区分，得到若干烟丝分组。
19.如上所述的基于图像识别的烟丝结构检测方法，其中，优选的是，所述根据经过图像增强处理后的烟丝图像，计算烟丝的宽度方差，具体包括：
20.在经过图像增强处理后的烟丝图像中，确定连通区域的内切圆；
21.通过以下公式计算多个内切圆直径的平均值，并将多个内切圆直径的平均值作为烟丝宽度，
22.v＝(d1 d2 ... d
i
... d
n
)/n
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
23.其中，v表示烟丝的平均宽度，d
i
表示烟丝轮廓的第i个中心线上点的最小内切圆的直径，即在第i个中心线上点的烟丝宽度，n表示烟丝轮廓的中心线上的点数；
24.通过以下公式，根据烟丝宽度和各所述内切圆直径，确定宽度方差，
[0025][0026]
其中，s表示宽度方差。
[0027]
如上所述的基于图像识别的烟丝结构检测方法，其中，优选的是，所述根据经过图像增强处理后的烟丝图像，计算s通道的颜色方差，具体包括：
[0028]
将经过图像增强处理后的烟丝图像转换成hsv图像；
[0029]
在所述hsv图像中，统计s通道图像的像素值；
[0030]
通过以下公式，根据s通道图像的像素值，计算待测烟丝的烟丝轮廓的s通道图像与目标烟丝的颜色方差，
[0031][0032]
其中，n表示烟丝轮廓内的点数，x
i
表示烟丝轮廓内第i个点的s通道的值，a表示预先统计出的目标烟丝的s通道的平均值，所述目标烟丝包括薄片丝、梗丝或叶丝。
[0033]
如上所述的基于图像识别的烟丝结构检测方法，其中，优选的是，所述根据烟丝的宽度方差和颜色方差，对混合烟丝中不同组分的烟丝进行区分，得到若干烟丝分组，具体包括：
[0034]
将宽度方差小于第一阈值的烟丝轮廓作为薄片丝分组，将宽度方差大于第二阈值的烟丝轮廓的作为梗丝分组，将宽度方差介于所述第一阈值和所述第二阈值二者之间的烟丝轮廓作为叶丝分组，其中，所述第一阈值小于第二阈值；
[0035]
在目标烟丝分别为薄片丝、梗丝和叶丝时，分别计算待测烟丝轮廓与目标烟丝的颜色方差值，得到c1、c2、c3三个颜色方差值，待测烟丝的烟丝结构与颜色方差值最小的目标烟丝的烟丝结构一致。
[0036]
如上所述的基于图像识别的烟丝结构检测方法，其中，优选的是，所述根据采集的所述烟丝图像，建立烟丝面积与烟丝质量的拟合模型，具体包括：
[0037]
对采集到的所述烟丝图像进行预处理；
[0038]
基于预处理后的烟丝图像，统计烟丝面积；
[0039]
建立烟丝面积与质量的拟合模型。
[0040]
如上所述的基于图像识别的烟丝结构检测方法，其中，优选的是，所述对采集到的所述烟丝图像进行预处理，具体包括：
[0041]
采用中值滤波法对所述烟丝图像进行去噪处理；
[0042]
采用阈值分割法对所述烟丝图像进行二值化处理，
[0043]
所述基于预处理后的烟丝图像，统计烟丝面积，具体包括：
[0044]
提取经过二值化处理后的所述烟丝图像的连通区域；
[0045]
根据所述连通区域的大小，统计出烟丝连通区域的总面积，作为烟丝面积。
[0046]
如上所述的基于图像识别的烟丝结构检测方法，其中，优选的是，所述在所述烟丝图像的各所述烟丝分组中提取烟丝骨骼，根据所述烟丝骨骼计算烟丝长度，并根据所述烟丝长度和所述拟合模型计算烟丝整丝率和/或烟丝碎丝率，具体包括：
[0047]
在各所述烟丝分组中，对经过二值化处理后的所述烟丝图像进行细化操作，并统计烟丝的骨骼长度；
[0048]
通过相机元与像素的关系进行换算，得到烟丝的实际长度；
[0049]
根据烟丝的实际长度确定烟丝类型，将长度大于2.5mm的烟丝确定为整丝，将长度小于1.00mm的烟丝确定为碎丝；
[0050]
根据所述拟合模型得到整丝质量和/或碎丝质量；
[0051]
根据整丝质量和烟丝总质量计算整丝率，和/或根据碎丝质量和烟丝总质量计算碎丝率。
[0052]
如上所述的基于图像识别的烟丝结构检测方法，其中，优选的是，所述整丝质量和/或所述碎丝质量是基于烟丝面积与质量的拟合模型，通过计算拟合面积得到的，每个烟丝的面积是通过统计非零元素点得到的。
[0053]
本发明提供一种基于图像识别的烟丝结构检测方法，通过图像识别技术，利用薄片丝、梗丝、叶丝在图像特征上的差异，对三者的混合烟丝进行区分识别，其识别率都在95％以上；对烟丝轮廓进行细化，提取烟丝骨骼，得到烟丝长度，建立起了烟丝面积与质量的拟合模型，从而可以统计出烟丝的整丝率以及碎丝率，比传统方法相比，本发明的方法不仅更快捷、方便，而且更安全、有效，能够有效区分不同组分烟丝，并能够准确统计烟丝的整丝率和碎丝率，为工业运用提供了帮助。
附图说明
[0054]
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步描述，其中：
[0055]
图1为本发明提供的基于图像识别的烟丝结构检测方法的实施例的流程图。
具体实施方式
[0056]
现在将参照附图来详细描述本公开的各种示例性实施例。对示例性实施例的描述仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。本公开可以以许多不同的形式实现，不限于这里所述的实施例。提供这些实施例是为了使本公开透彻且完整，并且向本领域技术人员充分表达本公开的范围。应注意到：除非另外具体说明，否则在这些实施
例中阐述的部件和步骤的相对布置、材料的组分、数字表达式和数值应被解释为仅仅是示例性的，而不是作为限制。
[0057]
本公开中使用的“第一”、“第二”：以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的部分。“包括”或者“包含”等类似的词语意指在该词前的要素涵盖在该词后列举的要素，并不排除也涵盖其他要素的可能。“上”、“下”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
[0058]
在本公开中，当描述到特定部件位于第一部件和第二部件之间时，在该特定部件与第一部件或第二部件之间可以存在居间部件，也可以不存在居间部件。当描述到特定部件连接其它部件时，该特定部件可以与所述其它部件直接连接而不具有居间部件，也可以不与所述其它部件直接连接而具有居间部件。
[0059]
本公开使用的所有术语(包括技术术语或者科学术语)与本公开所属领域的普通技术人员理解的含义相同，除非另外特别定义。还应当理解，在诸如通用字典中定义的术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非这里明确地这样定义。
[0060]
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，技术、方法和设备应当被视为说明书的一部分。
[0061]
在目前的烟丝组成分析中，烟丝组成的测定依然依靠手工分选和人为判读。传统方法步骤复杂，检测效率低，随着工作量的增加会产生较大误差，不适用于大量检测，测量效率和精度已经很难适应现代化的检测需求和高质量卷烟生产的要求，并且不同人员的检测结果之间也存在较大误差；此外有机溶剂的使用也增加了实验过程中的防护难度，不利于检测人员的人体健康。
[0062]
由于加工方法和原料本身特性的差异，烟丝的不同组分间存在颜色、形态的差异，这些差异的存在为图像识别方法识别各组分提供了特征参数。有鉴于此，本发明基于这些差异利用图像识别的方法，识别烟丝各组分，并计算烟丝的长度、宽度、面积，并在此基础上计算整丝率和碎丝率。
[0063]
如图1所示，本实施例提供的基于图像识别的烟丝结构检测方法在实际执行过程中，具体包括如下步骤：
[0064]
步骤s1、采集烟丝图像。
[0065]
具体地，利用工业相机采集烟丝图像。所述烟丝图像包括薄片丝图像、和/或梗丝图像、和/或叶丝图像、和/或由薄片丝、梗丝和叶丝中的至少二者混合而成的混合烟丝的混合烟丝图像。
[0066]
本发明在一种实施方式中，可以取25g薄片丝、5g梗丝和10g叶丝，均匀混合，然后利用工业相机采集烟丝图像。
[0067]
步骤s2、对所述烟丝图像中不同组分的烟丝进行区分，得到若干烟丝分组。
[0068]
卷烟烟丝中的主要组成为叶丝、梗丝和薄片丝。用肉眼观察这三种成分的烟丝，其结构特征存在一定的差异，薄片丝较为细长，在宽度和颜色上较为均匀，变化的程度较小，梗丝形状较为多样，在宽度和颜色的变化程度在三者中是最大的，而叶丝在宽度和颜色变化方面在二者之间，因此在步骤s2中根据三者的结构差异而中对混合烟丝进行识别区分。在本发明的基于图像识别的烟丝结构检测方法的一种实施方式中，所述步骤s2具体可以包
括：
[0069]
步骤s21、对烟丝图像进行图像增强处理。
[0070]
步骤s22、根据经过图像增强处理后的烟丝图像，计算烟丝的宽度方差。
[0071]
在本发明的基于图像识别的烟丝结构检测方法的一种实施方式中，所述步骤s22具体可以包括：
[0072]
步骤s221、在经过图像增强处理后的烟丝图像中，确定连通区域的内切圆。
[0073]
步骤s222、通过以下公式计算多个内切圆直径的平均值，并将多个内切圆直径的平均值作为烟丝宽度，
[0074]
v＝(d1 d2 ... d
i

…
d
n
)/n
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0075]
其中，v表示烟丝的平均宽度，d
i
表示烟丝轮廓的第i个中心线上点的最小内切圆的直径，即在第i个中心线上点的烟丝宽度，n表示烟丝轮廓的中心线上的点数。
[0076]
步骤s223、通过以下公式，根据烟丝宽度和各所述内切圆直径，确定宽度方差，
[0077][0078]
其中，s表示宽度方差。
[0079]
步骤s23、根据经过图像增强处理后的烟丝图像，计算s通道的颜色方差。
[0080]
在本发明的基于图像识别的烟丝结构检测方法的一种实施方式中，所述步骤s23具体可以包括：
[0081]
步骤s231、将经过图像增强处理后的烟丝图像转换成hsv图像。
[0082]
步骤s232、在所述hsv图像中，统计s通道图像的像素值。
[0083]
分别统计出三种烟丝在h通道、s通道、v通道上的平均值，可以发现h通道和v通道的差别相对来说较小，而s通道在三者之间的差别较大。因此在本发明中利用s通道对三种烟丝进行区分。
[0084]
步骤s233、通过以下公式，根据s通道图像的像素值，计算待测烟丝的烟丝轮廓的s通道图像与目标烟丝的颜色方差，
[0085][0086]
其中，n表示烟丝轮廓内的点数，x
i
表示烟丝轮廓内第i个点的s通道的值，a表示预先统计出的目标烟丝的s通道的平均值，所述目标烟丝包括薄片丝、梗丝或叶丝。
[0087]
步骤s24、根据烟丝的宽度方差和颜色方差，对混合烟丝中不同组分的烟丝进行区分，得到若干烟丝分组。
[0088]
在本发明中，通过宽度方差和颜色方差，对烟丝进行多重判断。在本发明的基于图像识别的烟丝结构检测方法的一种实施方式中，所述步骤s24具体可以包括：
[0089]
步骤s241、将宽度方差小于第一阈值的烟丝轮廓作为薄片丝分组，将宽度方差大于第二阈值的烟丝轮廓的作为梗丝分组，将宽度方差介于所述第一阈值和所述第二阈值二者之间的烟丝轮廓作为叶丝分组，其中，所述第一阈值小于第二阈值。
[0090]
宽度方差越小，说明烟丝在宽度上的均匀性越好，与薄片丝的结构特征一致，宽度方差越大，说明烟丝在宽度上的均匀性越差，与梗丝的结构特征一致。因此，通过设置一定的宽度方差阈值，可以将薄片丝、叶丝与梗丝较好的分离开。
[0091]
步骤s242、在目标烟丝分别为薄片丝、梗丝和叶丝时，分别计算待测烟丝轮廓与目标烟丝的颜色方差值，得到c1、c2、c3三个颜色方差值，待测烟丝的烟丝结构与颜色方差值最小的目标烟丝的烟丝结构一致。
[0092]
在目标烟丝分别为薄片丝、梗丝和叶丝时，将不同烟丝对应的a值分别代入公式(3)，得到三个颜色方差，分别为c1、c2、c3，其中，c1表示待测烟丝的烟丝轮廓与薄片丝的颜色方差，c2表示待测烟丝的烟丝轮廓与梗丝的颜色方差，c3表示待测烟丝的烟丝轮廓与叶丝的颜色方差，比较c1、c2、c3的大小，若c2最小，则待测烟丝为梗丝。
[0093]
需要说明的是，本发明在一些实施方式中，仅通过宽度方差或者颜色方差来对烟丝进行区分，本发明在一些实施方式中，通过宽度方差和颜色方差二者来对烟丝进行区分，本发明对此不作具体限定，在具体实现中，也可以仅设置一个宽度方差的阈值，此时的区分标准是，首先计算待测烟丝轮廓的宽度方差，由于梗丝的宽度方差较大，因此大于宽度方差阈值的则为梗丝，若待测烟丝轮廓的宽度方差小于宽度方差阈值，再对待测烟丝的烟丝轮廓与薄片丝和叶丝的颜色方差值进行比较，方差值最小的即为目标烟丝。
[0094]
本发明在一种实施方式中，在对烟丝图像进行图像增强处理后，计算烟丝的宽度方差和颜色方差，从而对混合烟丝中不同组分的烟丝进行区分，依然对混合烟丝采集三次，统计三次的组分比例，平均薄片丝占比为63.74％，变异系数为0.16％，相对误差为1.98％；平均梗丝占比为12.43％，变异系数为1.33％，相对误差为0.56％；平均叶丝占比为23.83％，变异系数为0.26％，相对误差为4.68％，由此可见，采用本发明的烟丝区分方法，烟丝的识别率都比较高，相对误差都在5％以内。
[0095]
步骤s3、根据采集的所述烟丝图像，建立烟丝面积与烟丝质量的拟合模型。
[0096]
在本发明的基于图像识别的烟丝结构检测方法的一种实施方式中，所述步骤s3具体可以包括：
[0097]
步骤s31、对采集到的所述烟丝图像进行预处理。
[0098]
在本发明的基于图像识别的烟丝结构检测方法的一种实施方式中，所述步骤s31具体可以包括：
[0099]
步骤s311、采用中值滤波法对所述烟丝图像进行去噪处理。
[0100]
具体地，采用3
×
3的滤波窗口，以尽可能地保存图像的细节信息。
[0101]
步骤s312、采用阈值分割法对所述烟丝图像进行二值化处理。
[0102]
步骤s32、基于预处理后的烟丝图像，统计烟丝面积。
[0103]
在本发明的基于图像识别的烟丝结构检测方法的一种实施方式中，所述步骤s32具体可以包括：
[0104]
步骤s321、提取经过二值化处理后的所述烟丝图像的连通区域。
[0105]
步骤s322、根据所述连通区域的大小，统计出烟丝连通区域的总面积，作为烟丝面积。
[0106]
步骤s33、建立烟丝面积与质量的拟合模型。
[0107]
步骤s4、在所述烟丝图像的各所述烟丝分组中提取烟丝骨骼，根据所述烟丝骨骼计算烟丝长度，并根据所述烟丝长度和所述拟合模型计算烟丝整丝率和/或烟丝碎丝率。
[0108]
在本发明的基于图像识别的烟丝结构检测方法的一种实施方式中，所述步骤s4具体可以包括：
[0109]
步骤s41、对经过二值化处理后的所述烟丝图像进行细化操作，并统计烟丝的骨骼长度。
[0110]
步骤s42、通过相机元与像素的关系进行换算，得到烟丝的实际长度。
[0111]
步骤s43、根据烟丝的实际长度确定烟丝类型，将长度大于2.5mm的烟丝确定为整丝，将长度小于1.00mm的烟丝确定为碎丝。
[0112]
步骤s44、根据所述拟合模型得到整丝质量和/或碎丝质量。
[0113]
其中，所述整丝质量和/或所述碎丝质量是基于烟丝面积与质量的拟合模型，通过计算拟合面积得到的，每个烟丝的面积是通过统计非零元素点得到的。
[0114]
步骤s45、根据所述整丝质量和烟丝总质量计算整丝率，和/或根据所述碎丝质量和烟丝总质量计算碎丝率。
[0115]
本发明在一种实施方式中，循环采集混合烟丝三次，统计三次的整丝率、碎丝率，得到平均整丝率为89.25％，变异系数(即相对标准偏差)为0.32％，平均碎丝率为1.80％，变异系数为1.38％。
[0116]
步骤s5、根据烟丝中各所述烟丝分组的比例确定烟丝结构，根据各所述烟丝分组中的烟丝整丝率和/或烟丝碎丝率确定烟丝结构质量。
[0117]
其中，烟丝结构指的是烟丝由哪些组分构成及各烟丝组分所占比例，烟丝结构质量指的是各烟丝组分中的烟丝整丝率及烟丝碎丝率。
[0118]
本发明实施例提供的基于图像识别的烟丝结构检测方法，通过图像识别技术，利用薄片丝、梗丝、叶丝在图像特征上的差异，对三者的混合烟丝进行区分识别，其识别率都在95％以上；对烟丝轮廓进行细化，提取烟丝骨骼，得到烟丝长度，建立起了烟丝面积与质量的拟合模型，从而可以统计出烟丝的整丝率以及碎丝率，比传统方法相比，本发明的方法不仅更快捷、方便，而且更安全、有效，能够有效区分不同组分烟丝，并能够准确统计烟丝的整丝率和碎丝率，为工业运用提供了帮助。
[0119]
至此，已经详细描述了本公开的各实施例。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。
[0120]
虽然已经通过示例对本公开的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本公开的范围。本领域的技术人员应该理解，可在不脱离本公开的范围和精神的情况下，对以上实施例进行修改或者对部分技术特征进行等同替换。本公开的范围由所附权利要求来限定。