[发明专利]基于计算机视觉的重叠烟叶智能化分级方法

说明书

本发明公开了一种基于计算机视觉的重叠烟叶智能化分级方法，包括：模拟重叠烟叶的合成，得到随机等级烟叶重叠的烤烟烟叶图像。根据重叠烟叶的凹凸点性质，对重叠烟叶进行分割对于完整的烟叶，提取形状纹理特征，颜色特征，以及VGG16深度网络输出的特征。利用这些特征训练3个不同的SVM分类器，再利用集成学习的思想，将这三个个体分类器的预测结果进行集成。对于分割的烟叶识别，只需要将形状特征置零。本发明能够利用计算机视觉方法，将传统特征提取技术与深度神经网络特征提取技术相结合，通过集成技术能够有效地对完整的单片烟叶甚至重叠的烟叶进行分级，使得烟叶自动化分级代替人工分级成为可能。

技术领域

本发明属于图像分割技术，具体为一种基于计算机视觉的重叠烟叶智能化分级方法。

背景技术

烟草作为一种重要的经济作物，在国民经济建设中占有非常重要的地位。为了加工生产不同层次的香烟，需要对原始的烤烟烟叶进行分级收购。对烤烟烟叶定级的标准包括：成熟度、叶片结构、身份、油分、颜色、长度、残伤度。人工分级只能靠视觉、触觉、味觉等多种感官的综合判断。在大规模的烟叶分级现场，工人往往会产生视觉疲劳，并且会有情绪波动，因此传统分级方法具有很强的主观性。正常的工人往往需要多年的分级训练，才能达到合格的分级准确率。所以烟叶分级具有重要的实际价值，并且具有很大的挑战性。

烤烟烟叶分级的常规视觉方法，即用传统的视觉处理技术，包括特征提取，分类器的训练，已经可以达到某种程度上的“智能”。由于特征需要自己设计，只能利用部分已知的专家知识，比如烟叶的长度，颜色等等。然而随着季节时间的变化，这些特征会出现一些变化，比如烟叶脱水颜色加深，发生卷曲长度变短等等。这是人工提取特征的缺点。随着深度学习和人工智能技术的发展，利用深度学习的方法进行图像分类识别的例子已经不胜枚举，比如最常见的应用于公共安全的人脸识别技术，因而深度学习的方法应该是解决烤烟烟叶等级识别的重要途径。

目前依靠良好的特征以及强大的分类器解决了烟叶分级问题，然而，目前研究的大多数是对一片烟叶进行分类，且大多只是区分不同的部位，比如上部烟叶，中部烟叶，下部烟叶。而实际生产中，需要对一堆重叠的烟叶进行分级，包括同一部位不同等级的区分。如何将每一片烟叶从一堆烟叶里分割出来是目前面临的一个非常困难的问题。

发明内容

本发明的目的在于提供一种基于计算机视觉的重叠烟叶智能化分级方法。

实现本发明目的的技术方案为：一种基于计算机视觉的重叠烟叶智能化分级方法,具体步骤为：

步骤1：利用单片烤烟烟叶合成重叠烟叶；

步骤2：根据凹凸点的性质对重叠图像进行分割；

步骤3：提取烤烟烟叶图像的形状纹理特征、颜色特征以及深度网络输出特征；

步骤4：利用步骤3提取的特征分别训练不同的分类器，根据集成学习的思想，对不同分类器的预测结果进行集成，获得分级结果。

优选地，利用单片烤烟烟叶合成重叠烟叶的具体方法为：

步骤1.1：对单片烤烟烟叶图像进行去噪处理；

步骤1.2：对去噪后的单片烤烟烟叶图像进行旋转以及平移操作；

步骤1.3：将旋转以及平移后的单片烤烟烟叶图像进行叠加，获得重叠烟叶图像。

优选地，根据重叠烟叶的凹凸点性质，对重叠烟叶进行分割，具体步骤为：

步骤2.1：对重叠烟叶图像进行预处理，检测连通域的个数，当有大于N-1个连通域的时候，直接得到分割烟叶图像，进行步骤3；否则，进行步骤2.2；

步骤2.2：利用开运算对重叠烟叶的叶耳进行去除；

步骤2.3：检测凹凸点；