[发明专利]一种初烤烟叶青筋烟自动识别方法及青筋烟检测报警系统

权利要求书

1.一种初烤烟叶青筋烟自动识别方法，其特征在于，包括以下步骤：

通过照明成像设备采集待测烟叶图像；

将图像由RGB空间转换为HSI空间，通过高斯滤波对图像进行增强；

将所述待测烟叶增强图像划分为大小相等的多个图像块；

对于每个图像块：

分别根据青筋的特征阈值区间，识别所有落入该特征阈值区间的像素；

对识别出的像素进行连续性检测；

若存在连续像素，且连续的像素数目超过一定阈值，判定该图像块中存在青筋；

根据所有图像块青筋的识别结果，判断所述待测烟叶图像是否存在青筋。

2.如权利要求1所述的一种初烤烟叶青筋烟自动识别方法，其特征在于，照明成像设备满足如下要求：

采用标准光源模拟自然光照明，色温：5500—6000k，照度：自然散射光3000—10000Lx，人工模拟自然光2000±200Lx；

烟叶摆放工作台面颜色为灰色或白色，无明显反光；

成像设备采用1600万像素高色彩还原度网络相机，相机安装于取景区正上方，距离工作台面高度0.8-1米。

3.如权利要求1所述的一种初烤烟叶青筋烟自动识别方法，其特征在于，青筋特征阈值区间的获取方法为：

将N片青筋烟叶片展平，通过照明成像设备依次采集图像，每幅图像一个叶片；

将N幅图像分别做如下处理：

人工识别并截取图像中叶片青筋位置的模板图像，并确保截取模板中的烟筋全部为青筋，将此作为样品图像；

将样本图像由RGB空间转换至HSI空间，通过高斯滤波对图像进行增强；

对增强后的图像进行边缘检测，识别出叶脉；

对增强后叶脉所有像素点的H分量值按照大小排序，去掉其中5％的最大值和5％的最小值，剩余部分中，选取20％数值较大的H分量值并计算几何平均值，标记为HM_T，选取20％数值较小的H分量值并计算几何平均值，标记为HL_T；

求取上述N片青筋烟样品HM_T的平均值标记为HM，求取上述N片青筋烟样品HL_T的平均值标记为HL，将HM和HL作为青筋特征阈值区间。

4.如权利要求1所述的一种初烤烟叶青筋烟自动识别方法，其特征在于，所述对识别出的像素进行连续性检测包括：

对识别出的像素根据坐标位置进行聚类，聚类规则为：一个类簇中每相邻两个点之间的距离小于第一设定阈值，将像素数量小于第二设定阈值的类簇删除；

对于剩余的类簇，分别针对其中的像素点提取线特征：首先基于K-L变换计算数据点分布的主轴方向，然后生成以主轴方向为斜率过中心坐标点生成该类簇的线特征；

对该图像块所有的线特征两两之间进行共线性判断，判断规则为：分别属于两个线特征的两端点之间距离小于第三设定阈值，两个线特征之间的夹角小于第四设定阈值，将共线的线特征进行合并；

对共线的线特征合并后，对该图像块中所有线特征相应的满足特征阈值区间的像素个数进行统计，若存在某个线特征相应的像素个数大于第五设定阈值，则认为该图像块存在青筋。

5.一种初烤烟叶青筋烟自动识别系统，其特征在于，包括：

照明成像模块，采集待测烟叶图像；

青筋特征阈值区间生成模块，通过对多个青筋烟样品图像进行分析提取青筋特征；

图像分块模块，将所述待测烟叶图像划分为大小相等的多个图像块；

青筋识别模块，对于每个图像块：

分别根据青筋的特征阈值区间，识别所有落入该特征阈值区间的像素；

对识别出的像素进行连续性检测；

若存在连续像素，且连续的像素数目超过一定阈值，判定该图像块中存在青筋；

根据所有图像块青筋的识别结果，判断所述待测烟叶图像是否存在青筋。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4任一项所述青筋烟自动识别方法。