[发明专利]基于高速气流离散的叶中含梗及打叶参数检测剔除方法

摘要

本发明公开了一种基于高速气流离散的叶中含梗及打叶参数检测剔除方法，包括以下步骤：利用皮带机摊薄烟叶并将烟叶传输至高速风道中；通过高速气流使烟叶在高速风道中进一步均匀离散化，同时烟叶随气流被送入检测区；检测区中获取高清晰烟叶的透视图；从透视图中提取烟叶的纹理特征，利用算法识别烟叶中的叶片和烟梗，将含烟梗的烟叶剔除；对烟叶的形状和尺寸进行分析，得到烟叶面积，计算打叶参数。通过分析获得的烟叶透视图像，对纹理特征进行提取，采用二叉树精确地区分出烟梗与叶片，解决了目前复烤厂离线检测叶中含梗和检测周期较长等复杂问题，从而明显提高复烤厂产品质量和效率。

主权项

一种基于高速气流离散的叶中含梗及打叶参数检测剔除方法，其特征在于：包括以下步骤：（1）利用皮带机摊薄烟叶并将烟叶传输至高速风道中；（2）通过高速气流使烟叶在高速风道中进一步均匀离散化，同时烟叶随气流被送入检测区；（3）检测区中，在烟叶的一侧采用光源对烟叶进行照射，由于叶片和烟梗的密度差距大，因此产生不同透光度，用烟叶的另一侧与光源位置相对的相机获取高清晰烟叶的透视图；（4）从获取的透视图中提取烟叶的纹理特征，处理步骤包括：①、设烟叶透视的二维图为I0，使其所有像素点向原位置的左上、上、右上、左、右、左下、下、右下各偏移一个位置，得到I1(x‑1,y‑1)、I2(x,y‑1)、I3(x+1,y‑1)、I4(x‑1,y)、I5(x+1,y)、I6(x‑1,y+1)、I7(x,y+1)和I8(x+1,y+1)，其中，x,y为I0中任一像素点的横坐标和纵坐标，偏移8个方向后的图像分别为I1、I2、I3、I4、I5、I6、I7和I8，用产生的二维图I1、I2、I3、I4、I5、I6、I7和I8中各像素点p的灰度值Ii(p)减去I0上对应位置像素点的灰度值I0(p)，即I′i(p)＝Ii(p)‑I0(p)，根据灰度值的差值I′i(p)得到对应图I′i，其中i=1，2，...，8，此时I′i即为原图与偏移像素图之间的像素值大小关系，将其进行二值化，在3×3区域中，在I0中周围点像素值比中间点像素值大时为1，否则为0，对于I′i中任意一点p有： sig ( L i ′ ( p ) ) = 0 I i ′ ( p ) < 0 1 I i ′ ( p ) ≥ 0 , p ∈ I i ′ ; ②、烟叶的纹理特征包括像素点和周边像素点的像素值大小关系和像素点位置关系，I′i反映中间像素点与周围像素点的大小关系，令f(p)＝W·X，其中X为矩阵 sig ( I 1 ′ ( p ) ) sig ( I 2 ′ ( p ) ) sig ( I 3 ′ ( p ) ) sig ( I 4 ′ ( p ) ) 0 sig ( I 5 ′ ( p ) ) sig ( I 6 ′ ( p ) ) sig ( I 7 ′ ( p ) ) sig ( I 8 ′ ( p ) ) , W为权值矩阵 1 2 4 8 0 16 32 64 128 , f(p)反映中间像素点和周围像素点的位置关系，得到的新特征图中元素大小为0～255之间，即0≤f(p)≤255，故对烟叶的纹理特征在0～255上进行直方图化，使纹理特征仅为256维；含有烟梗的烟叶与不含烟梗的烟叶在纹理特征上差异大，设计算法识别烟叶中的叶片和烟梗，将含烟梗的烟叶剔除，所述算法包括以下步骤：Ⅰ、烟叶的所述纹理特征共256维，记为F0，F1，F2，…，F255；Ⅱ、用纹理特征构建一个二叉树，对大量叶片和烟梗的纹理特征做出统计分析，在F0，F1，F2，…，F255中发现在F7，F15，F31和F255时叶片和烟梗的纹理特征区别明显，以F7，F15，F31和F255这组关键特征点作为二叉树的各个结点，所述关键特征点对应的特征值即为遍历二叉树各结点的对比值，遍历二叉树后用叶子结点表示叶片和烟梗的分类；（5）根据透视图对烟叶的形状和尺寸进行分析，得到烟叶面积，计算打叶参数：大中片率、小片率和叶中含梗率。