一种基于图像识别的雪茄烟鲜叶自动分级方法与流程

1.本发明涉及一种基于图像识别的雪茄烟鲜叶自动分级方法，雪茄烟叶生产技术领域。


背景技术：

2.雪茄烟叶的生产种植、调制、发酵、分级及卷制是一项生产环节多、周期长的产业链，是生产经验和技术的传承。国外诸如古巴、印度尼西亚和多米尼加等国家的雪茄烟叶生产具有悠久的历史，国外雪茄烟叶的种植经营主体大部分是农场主，采收、晾制、分级和发酵等生产环节均按统一成熟的生产技术规程进行生产，技术人员也非常专业。其次，在整个雪茄生产环节，种植大户或烟农严格按照烟草管理部门或烟草收购公司提出的gap管理技术体系进行种植和销售。因此，国外的雪茄烟叶采收后是不会对鲜烟叶进行分级，直接进入晾制和发酵环节。调制结束后才对烟叶进行等级质量划分。
3.云南雪茄烟叶种植开发总体起步较晚，为高标准推进云南雪茄烟叶种植开发工作，相关机构提出了“三统一分、定制生产、工商协同”发展思路。“三统一分”就是在雪茄烟叶生产的全链条：统一漂浮育苗，统一晾制、发酵和分拣，统一生产技术标准，田间生产管理环节分给烟农合作社(或种植大户)实施。针对“统一晾制”的发展思路，首次提出了云南雪茄烟叶“鲜叶收购”模式。创新探索“鲜叶收购”模式，既能让烟农从晾制、农业发酵等工艺技术相对复杂、操作费时用工较多的环节解脱出来，实现简简单单、轻轻松松种烟，降低烟农种植成本投入；同时又有利于将晾制、发酵核心技术掌控在相关机构手中，对抓好雪茄烟叶专卖源头管理，实现关键环节过程管控，更好提高和保障雪茄烟叶均质化水平具有重要的意义。
4.目前国内外未有现行的烟叶鲜叶分级标准，因此，亟需制定鲜烟叶收购分级标准用于指导下一步云南雪茄烟叶收购工作，以便充分发挥雪茄烟叶的作用，优质优用，劣质低用；以质乱价，优质优价，切实保障雪茄烟叶种植主体的利益。本发明针对雪茄烟鲜叶的质量特征，首次制定了一种雪茄烟鲜叶分级方式。对于填补雪茄烟叶鲜叶分级空白、保障雪茄烟规模化种植开发具有十分重要的指导意义。
5.雪茄烟叶鲜叶收购定级与晾制后烟叶、发酵后烟叶质量密切相关，鲜叶收购定级显得尤为重要，目前雪茄烟鲜叶收购的定级方法主要有以筐定级、以杆定级、以片定级等模式，但均存在定级误差大、等级合格率低、受主观因素影响大等普遍性问题。再者，雪茄烟鲜叶采收后不宜放置过夜，要求当天采收的烟叶必须穿编完成进入晾房进行调制，鲜烟叶需在短时间内完成定级与收购，目前的烟叶收购站点均是通过聘用大量的分级人员进行雪茄烟鲜叶分拣及定级工作，造成劳动用工成本高、分级质量不一致、部位混杂，定级结果受种植主体主体质疑，严重时还会产生纠纷矛盾等系列问题。为保障各项评价标准的衔接性、一致性及具体实施过程中的操作性、简便性和可信度，有效提高雪茄烟鲜叶定级的效率和减少劳动用工成本，本发明开发了一种科学合理、执行简单、适用性广、定级准确的基于图像识别的雪茄烟鲜叶自动分级模型。


技术实现要素：

6.本发明提供一种基于图像识别的雪茄鲜烟叶自动分级方法，实现雪茄鲜烟叶的准确自动分级。
7.本发明采用如下技术方案：
8.一种基于图像识别的雪茄烟鲜叶自动分级方法，将待检测雪茄烟鲜叶放于进料口，通过烟叶进料输送机输送至图像识别系统，图像识别系统启动相机采集待检测雪茄烟鲜叶图像，并对图像进行处理，再利用烟叶分级模型对其自动分级得到分级结果，烟叶进料输送机将完成对比的雪茄烟鲜叶向前送出至摆轮分拣机上进行分拣，将不同等级的雪茄烟鲜叶送入不同回收通道。
9.优选的，所述烟叶分级模型包括茄衣分级模型和茄芯分级模型，分别对雪茄烟鲜叶的茄衣鲜叶和茄芯鲜叶进行分级。
10.优选的，所述待检测雪茄烟鲜叶图像经过图像预处理后进行特征值提取，提取其颜色特征、形状特征和纹理特征，并将其作为烟叶分级模型的输入，对应输出分级结果。
11.优选的，所述烟叶分级模型的构建过程为：
12.step1采集雪茄烟鲜叶样本图像及对应分级，形成样本图像数据库；
13.step2对样本图像进行预处理，包括去噪和压缩；
14.step3提取预处理后的样本图像的特征值，包括颜色特征、形状特征和纹理特征；
15.step4以step3中样本图像的特征值为输入，以样本图像的分级为输出，训练神经网络，得到烟叶分级模型。
16.优选的，所述采集雪茄烟鲜叶样本图像分为两类，采集茄衣鲜叶样本图像并对应建立茄衣分级模型，采集茄芯鲜叶样本图像并对应建立茄芯分级模型。
17.优选的，所述颜色特征包括r、g、b颜色值和色调h值，所述形状特征根据雪茄烟鲜叶区域的轮廓和残伤率计算，所述纹理特征根据灰度图像的灰度共生矩阵计算。
18.优选的，所述茄衣鲜叶根据烟叶部位、叶片长度、完整度、均匀度、脉相、身份、成熟度、洁净度、残伤区分级别，分为7个级别。
19.优选的，所述茄芯鲜叶根据烟叶部位、叶片长度、成熟度、身份、完整度、洁净度、残伤等区分级别，分为7个级别。
20.优选的，所述烟叶部位是指烟叶在烟株上的着生位置，由下而上分为下部、中部、上部；所述叶片长度是指从叶片主脉基端至尖端间的距离；所述完整度是指烟叶叶片的完整程度；所述均匀度是指烟叶表面颜色、成熟度、叶片结构和身份均匀一致的程度；所述脉相是指烟叶支脉粗细的程度；所述身份是指烟叶厚度、细胞密度或单位面积的重量的总体体现；所述成熟度是指烟叶的田间成熟程度；所述洁净度是指烟叶表面洁净的程度；所述残伤是指鲜叶受到破坏、失去坚实性的那部分组织。
21.有益效果：
22.(1)人工分级存在主观干扰性强和不确定因素等问题，运用图像识别技术对雪茄烟鲜叶进行等级判定，有效提高鲜烟叶分级效率和准确性。
23.(2)计算机通过不断的机器学习，分级模型不断被优化完善，进一步提高准确率。
24.(3)本方法能够自动完成上样、检测、定级和计重，操作简单，有效减少用工成本。
25.(4)建立了准确、系统、科学的可用于图像识别技术模型模型建立的雪茄烟鲜叶分
级方式，该分级方式能够较好的转化为样本库数据值模型，可操作性强。
附图说明
26.图1：本发明实施例中雪茄烟鲜叶自动分级设备。
27.图中标号：1-进料口，2-烟叶进料输送机，3-图像识别系统，4-摆轮分拣机。
具体实施方式
28.为使本发明目的、技术方案更清楚，下面结合附图和具体实施例对本发明做进一步的详细说明和解释。
29.实施例1：如图1所示，使用此设备进行雪茄烟鲜叶自动分级，主要包括进料口1、烟叶进料输送机2、图像识别系统3和摆轮分拣机4，烟叶进料输送机2 位于进料口1和摆轮分拣机4之间，烟叶进料输送机2可采用常见的皮带传输装置，图像识别系统3位于烟叶进料输送机2的上方，整套设备为全自动化。
30.进行雪茄烟叶分拣时，先将待检测雪茄烟鲜叶放于进料口1，通过烟叶进料输送机2输送至图像识别系统3，图像识别系统3启动相机采集待检测雪茄烟鲜叶图像，并对图像进行处理，再利用烟叶分级模型对其自动分级得到分级结果，烟叶进料输送机2将完成对比的雪茄烟鲜叶向前送出至摆轮分拣机4上进行分拣，将不同等级的雪茄烟鲜叶送入不同回收通道。
31.本实施例针对云南各产区雪茄烟鲜叶的质量特征，首次制定了一种雪茄烟鲜叶分级标准。根据雪茄烟叶生产中种植品种和栽培方式，雪茄烟鲜叶分为茄衣鲜叶和茄芯鲜叶2种类型。根据烟叶着生部位分为上部、中部、下部3个组。
32.茄衣侧重烟叶外观质量，根据部位、叶片长度、完整度、均匀度、脉相、身份、成熟度、洁净度、残伤等区分级别，分为7个级别，具体分级如表1所示。
33.表1茄衣鲜叶等级及其规定
34.[0035][0036]
茄芯侧重内在质量，根据部位、叶片长度、成熟度、身份、完整度、洁净度、残伤等区分级别，分为7个级别，具体分级如表2所示。
[0037]
表2茄芯鲜叶等级及其规定
[0038][0039]
其中，所述烟叶部位是指烟叶在烟株上的着生位置，由下而上分为下部、中部、上部；所述叶片长度是指从叶片主脉基端至尖端间的距离；所述完整度是指烟叶叶片的完整程度；所述均匀度是指烟叶表面颜色、成熟度、叶片结构和身份均匀一致的程度；所述脉相是指烟叶支脉粗细的程度；所述身份是指烟叶厚度、细胞密度或单位面积的重量的总体体现；所述成熟度是指烟叶的田间成熟程度；所述洁净度是指烟叶表面洁净的程度，以百分比(％)表示，包括烟叶在田间或采收后受到农药、化肥、灰尘、泥土和花粉等污染；所述残伤是指鲜叶受到破坏、失去坚实性的那部分组织。
[0040]
在进行雪茄烟叶分级时，需保证茄衣鲜叶按照部位、叶片长度、完整度、均匀度、脉相、身份、成熟度和洁净度等达到某级规定，且残伤不超过该等级的限定值，才定为该质量等级。
[0041]
茄芯鲜叶按照部位、叶片长度、成熟度、身份、完整度和洁净度等达到某级规定，且残伤不超过该等级的限定值，才定为该质量等级。
[0042]
此外，茄衣鲜叶叶面撕裂或折断的裂痕超过一半的烟叶定为末级。
[0043]
根据上述标准，可以对雪茄烟鲜叶进行准确分级，在此基础上建立烟叶分级模型，其中烟叶分级模型包括茄衣分级模型和茄芯分级模型，分别对雪茄烟鲜叶的茄衣鲜叶和茄芯鲜叶进行分级。
[0044]
烟叶分级模型的构建过程为：
[0045]
step1采集雪茄烟鲜叶样本图像及对应分级，形成样本图像数据库；
[0046]
step2对样本图像进行预处理，包括去噪和压缩；
[0047]
step3提取预处理后的样本图像的特征值，包括颜色特征、形状特征和纹理特征；
[0048]
step4以step3中样本图像的特征值为输入，以样本图像的分级为输出，训练神经网络，得到烟叶分级模型。
[0049]
其中，采集雪茄烟鲜叶样本图像分为两类，采集茄衣鲜叶样本图像并对应建立茄衣分级模型，采集茄芯鲜叶样本图像并对应建立茄芯分级模型。
[0050]
其中，颜色特征包括r、g、b颜色值和色调h值，所述形状特征根据雪茄烟鲜叶区域的轮廓和残伤率计算，所述纹理特征根据灰度图像的灰度共生矩阵计算。优选的，所述检测雪茄烟鲜叶图像经过图像预处理后进行特征值提取，提取其颜色特征、形状特征和纹理特征，并将其作为烟叶分级模型的输入，对应输出分级结果。
[0051]
建模完成后，待检测雪茄烟鲜叶图像经过图像预处理后进行特征值提取，提取其颜色特征、形状特征和纹理特征，并将其作为烟叶分级模型的输入，对应输出分级结果。
[0052]
上述分级模型中的样本图像数据库可以不断进行更新，使得识别分级结果更准确，此外，还可以设定当待检测烟叶通过识别后不属于任何一级，则判定为不予收购类型，例如茄衣鲜叶的叶片长度、洁净度、残伤等低于末级规定的烟叶不予收购。茄芯鲜叶的叶片长度、洁净度、残伤等低于末级规定的烟叶不予收购。有明显农药残留斑块、霉烂斑块、病斑严重等的烟叶不予收购。有明显水渍和水浸泡痕迹的烟叶不予收购。
[0053]
应该理解，上述实施例的描述只是示例性的，而并非要限制本发明的范围。在本领域普通技术人员所具备的知识范围内，在不脱离本发明宗旨的前提下作出各种变化均属于本发明的保护范围。