[发明专利]基于智能图像处理和模型估计的烟叶叶面积质量测定方法

说明书

技术领域

本发明属于烟草技术领域，涉及一种测定烟叶叶面积质量的方法，特别是涉及一种基于智能图像处理和模型估计的烟叶叶面积质量测定方法。

背景技术

烟叶叶面积质量是烟叶物理特征的重要指标之一，该指标的测定对于烟叶质量评价有较高参考价值，并且是原料成本核算、卷烟质量控制以及加工工艺选择的重要参考。目前，测定烟叶叶面积质量的方法通常是叶面积质量法（质量法），即通过已知面积的打孔器在平铺烟叶上，通过人工选取的方式在非叶梗区域（叶梗区域不在烟叶叶面积及质量的计算范围内）选择六个打孔区域，之后放入烘箱中干燥两小时，取出放入干燥皿中冷却，称量其重量，通过质量与面积的比，进而求得烟叶叶面积质量。该方法的缺点是：主观性较强、效率低下、测量结果误差较大。

此外，中国发明专利CN101393101A（200810230653.3）涉及的《采用近红外光谱测定烟叶叶面密度的方法》，对于上述传统的依赖人工打孔的烟叶叶面积质量测定提出了改进，通过六点法（固定地选取主梗两侧各三个点）进行近红外密度检测。该方法的主要改进之处在于对传统方法中的干燥、冷却、称重过程的简化，使得检测时间缩短。但该方法仍然采用了点取样估算总体平均密度的方式，因此无法真正意义上描述整张烟叶的平均密度；由于取样数量的减少，甚至一定程度上较原有方法的六点抽样，在估算总体密度时存在一定的劣势。此外，该方法虽然对于样品制作的要求降低，但近红外检测设备昂贵且对操作人员及检测环境要求较高，进而增加了该方法的经济成本。

上述两种方法都采用了随机取样的方式，通过计算取样点的密度估算烟叶总体的密度，在一定程度上为烟叶叶面积质量测定工作带来不确定性。

因此，急需一种能够高效、快速、准确测定烟叶叶面积质量的方法。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于智能图像处理和模型估计的烟叶叶面积质量测定方法，用于解决现有技术无法高效、快速、准确测定烟叶叶面积质量的问题。

为实现上述目的及其他相关目的，本发明提供一种基于智能图像处理和模型估计的烟叶叶面积质量测定方法。所述烟叶叶面积质量测定方法包括：

S1，采集烟叶图像，即通过烟草及其加工制品的图像数据获取装置完成烟叶图像的采集；

S2，通过智能图像处理提取烟叶图像；即通过智能图像处理获取的烟叶图像的光线，识别获取烟叶图像的烟叶轮廓，并采用烟叶图像的聚类分析获得烟叶主梗区域和叶片区域的面积信息，计算烟叶的实际面积；

S3，利用图像法二元线性模型估计烟叶面积质量，即利用烟叶总质量作为因变量，烟叶主梗区域面积和叶片区域面积作为自变量，建立关于主梗密度参数和叶片密度参数的二元线性模型进行密度参数的估计。

优选地，所述烟草及其加工制品的图像数据获取装置包括：

透明吸附板，用于吸附固定待拍摄的烟叶；

物料照明光源，用于照射固定待拍摄的烟叶；

吸气设备，用于将烟叶吸附在所述透明吸附板上；

图像采集设备，用于获取烟叶图像数据，并将烟叶图像数据传输出去；

计算机，用于保存输入的烟叶图像数据并对其进行后续处理。

优选地，所述步骤S2包括：

S21，处理光线，将采集到的烟叶图像的背景变成均匀的50%灰度，采用线性插值算法修正每幅图像的亮度；

S22，识别获取烟叶图像的烟叶轮廓；即通过采用图像外轮廓识别算法提取烟叶的外围轮廓；

S23，聚类分析烟叶图像，获取烟叶主梗区域和叶片区域；

S24，计算烟叶实际面积，获取烟叶主梗区域和叶片区域的面积信息。

优选地，所述图像外轮廓识别算法包括：基于小波变换的图像轮廓识别算法、基于robert因子的图像轮廓识别算法、基于laplace算子的图像轮廓识别、以及基于高斯滤波的轮廓识别算法。

优选地，所述聚类分析包括K-means聚类、FCM聚类和凝集聚类。