[发明专利]基于图像处理的梗签识别检测方法

说明书

本发明公开了一种基于图像处理的梗签识别检测方法，包括：采集烟丝图像；对烟丝中的梗签进行识别，得到梗签；建立梗签面积和梗签质量的拟合模型；统计出烟丝中的含签率。本发明利用图像处理技术对梗签进行识别；建立梗签面积与质量的拟合模型，从而可以统计出烟丝的含签率，本发明快捷、方便，有效，能够有效区分出烟丝中的梗签，并准确统计烟丝的含签率。

技术领域

本发明属于烟草加工技术领域，涉及一种烟叶识别方法，尤其涉及一种基于图像处理的梗签识别检测方法。

背景技术

卷烟产品的梗签含量对于卷烟的燃烧性能、感官质量有着直接影响，所以如何准确测量烟丝含签率有助于提高卷烟产品的质量。传统烟丝含签率的测量通常是采用人工取样并从烟丝中挑拣出梗签的方法，因此存在取样量、测量次数不统一，耗时长，效率低，不同人员检测结果差异大等问题。

目前亟需一种自动化的梗签识别检测方法，但本领域中尚无此类技术。

发明内容

为了解决现有技术中存在的问题，本发明提供一种基于图像处理的梗签识别检测方法，能够有效区分出烟丝中的梗签。

为了达到上述目的，本发明提供如下技术方案：

基于图像处理的梗签识别检测方法，包括如下步骤：

步骤1，采集烟丝图像；

步骤2，对所述烟丝图像中的梗签进行识别，得到梗签；

步骤3，根据采集的梗签，建立梗签面积与梗签质量的拟合模型；

步骤4，根据所述拟合模型计算烟丝的含签率。

进一步的，所述步骤1中，所述烟丝图像包括只包含梗签的梗签图像以及由梗签和烟丝混合而成的混合烟丝图像。

进一步的，所述步骤2包括如下子步骤：

步骤2-1，对烟丝图像进行预处理；

步骤2-2，根据经过图像预处理后的烟丝图像，提取每个烟丝轮廓的形状、颜色、纹理特征；

步骤2-3，根据提取烟丝轮廓的形状、颜色、纹理特征，通过Boruta特征方法降低特征维度；

步骤2-4，根据Boruta特征方法降低后的特征，以支持向量机SVM为基分类器，利用AdaBoost集成学习的方法，得到识别梗签的模型；

步骤2-5，根据分类模型识别出烟丝图像中的梗签，计算每一个梗签的面积并进行累加，得到梗签的总面积。

进一步的，所述步骤2-1包括如下过程：

对采集到的烟丝图像进行去除噪声处理；

根据经过去噪处理后的烟丝图像，对烟丝进行二值化，提取烟丝的连通区域；

根据提取出的烟丝连通区域，计算每个烟丝连通区域的外接矩形，提取到每一片的烟丝图像，方便之后的特征提取。

进一步的，所述去除噪声处理采用中值滤波法，滤波窗口大小为3×3，二值化采用阈值分割完成。

进一步的，所述步骤2-2通过计算分割出的烟丝图像的灰度共生矩阵提取纹理特征，包括如下过程：

步骤2-2-1，通过以下公式，计算出图像的对比度Contrast、差异性Dissimilarity、同致性Homogeneity、二阶矩ASM、能量Energy、相关性Correlation，