[发明专利]一种基于视觉特征融合的打叶质量检测方法

说明书

本发明公开了一种基于视觉特征融合的打叶质量检测方法，涉及计算机图像处理领域，基于深度特征和人选特征融合，包括如下步骤：片烟摊薄、片烟图像获取、图像预处理、构造颜色、纹理以及形态的特征向量、采用卷积耦合神经网络获取深度特征、特征融合、片烟结构识别、片烟结构统计、重复上述步骤直至所有烟叶识别完成。本发明基于打叶结果的图像和基于深度特征和人选特征融合的片烟结构分类，将有效降低已有方法带来的的辐射伤害，提高打叶质量检测的准确性。

技术领域

本发明涉及计算机图像处理领域，尤其涉及一种基于视觉特征融合的打叶质量检测方法。

背景技术

近年来，消费者对卷烟产品质量日益关注，这对打叶复烤提出了更高的质量要求。合理的叶片结构是提高卷烟产品质量的关键，控制大片率、提高中片率、降低叶中含梗率，已经成为了目前卷烟生产对片烟结构的新要求。因此，打叶质量的检测是卷烟生产的一道重要工序。

现有的检测设备多为是人工抽检，人工调整打叶机筐栏尺寸、打辊转速、风选风速以及温度和水分。由于烟叶品种的不同及受流量、水分等的影响，人工控制无法及时地反馈每一台打叶机的工作状态以及各风分器的风分效率，不能及时地调整打叶机的控制参数及风选风机的运转速度等。从现场取样、离线检测、信息获取、生产指导、设备调节等整个环节耗时较长，反馈速度慢，严重制约了整个工艺生产的自动化水平。

现有的打叶质量在线检测方法利用可见光和X射线成像原理，对打叶复烤生产线中的每一个打叶机风分的烟叶进行取样称重，并且对烟叶进行连续成像，通过图像处理和分析，获取当前叶片尺寸、叶中含梗量分布数据，调节打叶机、风分器的控制参数以满足加工工艺要求。

然而这些方法都存在缺陷：

1)X射线存在辐射，对人有伤害，也会对片烟结构造成伤害；

2)所用方法效率不够高，检测精度有限。

因此，本领域的技术人员致力于开发一种基于视觉特征融合的打叶质量检测方法。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是在不对人和片烟造成伤害的前提下，高精度高效率地进行打叶质量的在线检测。

为实现上述目的，本发明提供了一种基于视觉特征融合的打叶质量检测方法，包括以下步骤：

步骤1：片烟摊薄，将打叶后的烟叶进行平摊，确保烟叶重叠率小于阈值；

步骤2：片烟图像获取，对摊薄的烟叶进行实时拍摄，获取对应的片烟图像；

步骤3：图像预处理，对片烟图像进行预处理；

步骤4：构造片烟图像特征向量；

步骤5：构建片烟结构图像样本库；

步骤6：采用卷积耦合神经网络获取深度特征；

步骤7：特征融合，将步骤5和步骤6获得的特征向量进行降维，将降维到合适长度的两组向量进行融合；

步骤8：片烟结构识别，以步骤7获得的融合向量为输入，构建分类器对样本库图像进行分类；

步骤9：片烟结构统计；

步骤10：重复上述步骤直至所有烟叶识别完成。

进一步地，步骤1中阈值设定为2％。

进一步地，步骤2中采用高分辨率相机对摊薄的烟叶进行实时拍摄。

进一步地，步骤3中图像预处理方法包括白平衡、二值化、归一化。

进一步地，步骤4中特征向量包括颜色、纹理、形态。

进一步地，包括烟叶和叶梗的颜色、纹理、形态。