[发明专利]一种密集烟叶识别的打叶质量评价方法及系统

说明书

本发明提供一种密集烟叶识别的打叶质量评价方法，包括以下步骤：B1.人工挑选大、中、小三种烟叶叶片并拍摄图像，分别进行图像预处理并获取所述大、中、小烟叶叶片的特征向量；B2.利用所述大、中、小烟叶叶片的特征向量对烟叶分类器模型进行训练得到能够精确识别烟叶叶片大小的烟叶分类器模型；B3.利用所述烟叶分类器模型对生产线上打叶后的烟叶进行实时检测，输出当前烟叶图像的特征向量值及大中小识别结果；B4.提取实时烟叶特征向量值的统计特征量及大中小片次数的统计特征量；B5.设定打叶质量良好状态的阈值，当B4.提取得到的结果超出所述设定阈值时，发出预警/报警信号。

技术领域

本发明涉及图像识别及预测技术领域，尤其涉及一种密集烟叶识别的打叶质量评价方法及系统。

背景技术

打叶复烤烟叶的片型结构包含大片率、中片率、大中片率等多项指标。研究表明，打叶复烤后的片型结构对烟丝结构具有关联性影响，大片率可以提高烟丝结构的整丝性，减少碎丝率，但是较高的大中片率导致长丝率的增加，对烟支的填充性不利。同样，过高的整丝率和整丝率变化率对卷制烟支的总体质量有负面影响。烟草行业现有的打叶过程已经进入成熟的机械化阶段，但是如何高效判断机械打叶的烟叶质量仍是一个技术难题。

烟丝结构对单支质量、烟支密度、吸阻、端部落丝量、空头等烟支质量具有显著的影响，得到合理的烟丝结构是卷烟工业为之攻坚的目标。对烟叶片型结构而言，各项指标中呈一定的关联，只有控制大片率、提高中片率以及降低碎片率，才能得到适宜的整丝率，提高烟丝的填充值，为企业取得良好的效益。综上所述，作为打叶复烤重要的考核经济指标，片型结构直接影响到烟丝的结构，继而影响到卷烟的卷制质量与经济效益。得到合理的烟丝结构区间必须以打叶复烤后的烟叶片型结构“控制大片率，提高中片率”的调控要求为抓手。传统的打叶复烤片型结构评估方式已满足不了现在烟丝结构及烟支卷制质量的要求，机器视觉及大数据的兴起为烟片片型检测提供了新方向。

为了解决上述技术问题，公开号为CN103175835B的专利文献公开了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，所述方法包括：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；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；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。但该发明的发明目的是检测烟叶叶片重量，而且不能同时检测高数量密度堆叠的烟叶叶片。

发明内容

本发明要解决的技术问题是：现有技术无法同时检测高数量密度堆叠的烟叶叶片质量的技术问题。

为解决上述技术问题，本发明提供一种密集烟叶识别的打叶质量评价方法，包括以下步骤

B1.人工挑选大、中、小三种烟叶叶片并拍摄图像，分别进行图像预处理并获取所述大、中、小烟叶叶片的特征向量；

B2.利用所述大、中、小烟叶叶片的特征向量对烟叶分类器模型进行训练得到能够精确识别烟叶叶片大小的烟叶分类器模型；

B3.利用所述烟叶分类器模型对生产线上打叶后的烟叶进行实时检测，输出当前烟叶图像的特征向量值及大中小识别结果；

B4.提取实时烟叶特征向量值的统计特征量及大中小片次数的统计特征量；

B5.设定打叶质量良好状态的阈值，当B4.提取得到的结果超出所述设定阈值时，发出预警/报警信号。

根据高数量密度堆叠的烟叶叶片图像提取的特征向量，分析大叶、中叶以及小叶分别的占比，能够在极短时间内完成大量烟叶的检测，提高生产效率并保证卷烟烟丝配比合理。