專利名稱：煙草大中片率檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種煙草大中片率的檢測(cè)方法，特別為一種對(duì)各種光學(xué)煙草分揀設(shè)備均具有普適意義的煙草大中片率檢測(cè)方法，屬于煙草質(zhì)量檢測(cè)技術(shù)領(lǐng)域。
背景技術(shù)：
隨著煙草工藝的復(fù)雜化，煙葉經(jīng)由的加工步驟越來(lái)越多。因此，導(dǎo)致煙葉造碎的因素也越來(lái)越多。為了加強(qiáng)煙草產(chǎn)品的質(zhì)量管理和控制，煙葉的大中葉率作為一項(xiàng)檢驗(yàn)煙草品質(zhì)的重要指標(biāo)，日益受到復(fù)烤廠以及煙廠的普遍關(guān)注。
據(jù)申請(qǐng)人了解，目前煙草企業(yè)對(duì)于煙葉大中片率的檢測(cè)基本依靠人工完成，不僅費(fèi)時(shí)費(fèi)力，效率不高，而且容易受到人為因素的影響。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問(wèn)題是提出了一種借助計(jì)算機(jī)的圖像運(yùn)算處理、迅速自動(dòng)得出大中葉率結(jié)果的煙草大中葉率檢測(cè)方法，從而降低煙草大中葉率檢測(cè)的勞動(dòng)強(qiáng)度，提高檢測(cè)效率以及檢測(cè)結(jié)果的科學(xué)性。
本發(fā)明通過(guò)以下技術(shù)解決方案來(lái)實(shí)現(xiàn)在主要由攤薄機(jī)、輸送機(jī)、視頻柜、CCD相機(jī)、數(shù)字圖像處理計(jì)算機(jī)構(gòu)成的硬件平臺(tái)中1、通過(guò)攤薄機(jī)使煙葉形成薄層；2、借助輸送機(jī)將煙葉薄層加速，通常加速到5-7米/秒的速度；
3、加速后的煙葉薄層通過(guò)視頻柜窄縫，拋投出去，到另一條傳送帶上；4、線陣CCD相機(jī)在所述窄縫處攝取煙葉圖像，送入數(shù)字圖像處理計(jì)算機(jī)；5、數(shù)字圖像處理計(jì)算機(jī)對(duì)輸入的數(shù)字圖像進(jìn)行以下步驟的處理5.1提取圖像邊緣——借助邊緣提取算子，從數(shù)字圖像中提取邊緣圖像；5.2獲取圖像中煙葉數(shù)量——判斷后剔除圖像背景，獲得反映煙葉數(shù)量的象素圖像；5.3獲取邊緣變化率——逐行掃描上述邊緣圖像和象素圖像，并分別計(jì)數(shù)，求得各行邊緣變化數(shù)與象素?cái)?shù)之比，再求得各行邊緣變化數(shù)與象素?cái)?shù)之比的平均值，作為整個(gè)圖像的邊緣變化率；5.4求出大中葉率——根據(jù)采樣結(jié)果進(jìn)行擬合，求出大中葉率與邊緣變化率的函數(shù)關(guān)系，進(jìn)而依邊緣變化率、并通過(guò)所述函數(shù)關(guān)系求出大中葉率檢測(cè)結(jié)果。
需要說(shuō)明的是，關(guān)于邊緣提取的算法很多，例如拉普拉茲算子，索貝爾算子，羅伯特算子等等，圖像處理教科書上均有介紹。因此本發(fā)明的大中葉率檢測(cè)方法并不需要拘泥于某個(gè)特定的邊緣提取算法，只要能達(dá)到較好的邊緣提取效果，各種算法都可以。
不難看出，采用本發(fā)明的方法后，可以巧妙合理地借助計(jì)算機(jī)的圖像運(yùn)算處理功能，迅速自動(dòng)得出煙草大中葉率的檢測(cè)結(jié)果，減輕檢測(cè)勞動(dòng)強(qiáng)度，提高檢測(cè)工作效率，避免人為因素的影響，取得科學(xué)、公正的檢測(cè)結(jié)果。


下面結(jié)合實(shí)施例對(duì)本發(fā)明的技術(shù)方案作進(jìn)一步說(shuō)明。
圖1為本發(fā)明一個(gè)實(shí)施例基本原理示意圖。圖中1是傳送帶，2是照明裝置，3是CCD相機(jī)，4是氣動(dòng)電磁閥，5是煙葉，6是雜物。
圖2為圖1實(shí)施例中CCD捕獲的煙葉圖像。
圖3為對(duì)圖2進(jìn)行邊緣提取后的圖像(白線為煙葉邊緣)。
圖4為對(duì)圖3進(jìn)行二值化后處理后的圖像(白色為煙葉)。
圖5為圖1實(shí)施例進(jìn)行MATLAB擬合效果圖。
具體實(shí)施例方式
如圖1所示，在包括攤薄機(jī)、輸送機(jī)、視頻柜、CCD相機(jī)、數(shù)字圖像處理單元(計(jì)算機(jī))的WTS系列煙草除雜機(jī)硬件平臺(tái)中(本發(fā)明不限于煙草除雜機(jī)，對(duì)其他所有光學(xué)煙草分揀設(shè)備均有普適意義)煙葉通過(guò)攤薄機(jī)等輔聯(lián)設(shè)備，形成煙葉薄層，使異物不上下夾雜在煙葉中間，以利于圖像設(shè)備檢測(cè)。輸送機(jī)將煙葉薄層加速到5-7米/秒的速度。煙葉薄層通過(guò)視頻柜時(shí)，會(huì)通過(guò)一個(gè)窄縫，拋投到另外一個(gè)傳送帶上。線陣CCD相機(jī)就在這個(gè)窄縫處攝取煙葉圖像，送入數(shù)字圖像處理單元。數(shù)字圖像處理單元能實(shí)時(shí)處理海量圖像數(shù)據(jù)，經(jīng)過(guò)研制的專有圖像算法，識(shí)別出異物，并計(jì)算出異物的相對(duì)坐標(biāo)。然后控制相應(yīng)坐標(biāo)的高速氣動(dòng)電磁閥，將異物剔除。不合格的煙葉被氣閥吹入回收箱，合格煙葉則進(jìn)入下一工序。
本實(shí)施例大中葉率的檢測(cè)方法的硬件平臺(tái)直接借用光學(xué)分揀機(jī)完成(參見(jiàn)圖1)，煙葉薄層經(jīng)過(guò)CCD相機(jī)傳送給計(jì)算機(jī)處理系統(tǒng)后，大中葉率檢測(cè)模塊即可著手進(jìn)行處理了。
本實(shí)施例的具體檢測(cè)步驟以及原理如下
1、圖像邊緣提取在識(shí)別應(yīng)用中，圖像邊緣是非常重要的特征之一。圖像邊緣保留了原始圖像中相當(dāng)重要的部分信息，而又使得總的數(shù)據(jù)量減小了很多，這正符合特征提取的要求。為了獲得煙葉的形狀和大小，必須首先對(duì)CCD獲取的煙葉圖像進(jìn)行邊緣提取。
邊緣對(duì)應(yīng)于物體的邊界。圖像上灰度變化劇烈的區(qū)域比較符合這個(gè)要求，通常以此特征并通過(guò)去噪聲和微分運(yùn)算、二值化處理等步驟來(lái)提取圖像的邊緣。
圖2和圖3分別是索貝爾算子邊緣提取之前和之后的效果圖(具體算法可以參考普通的圖像處理教材，不另贅述)。
2、獲取圖像中煙葉的數(shù)量由于傳送帶一般不可能以固定流量送料，所以圖像中的煙葉可能時(shí)多時(shí)少，但邊緣變化頻率和圖像中煙葉的數(shù)量基本成正比關(guān)系，因此如何獲得煙葉的數(shù)量，也十分重要。
由于分揀機(jī)系統(tǒng)的前端集成了攤薄機(jī)，所以可以認(rèn)為煙葉在窄縫上拋送時(shí)，基本不會(huì)或者很少出現(xiàn)煙葉疊起來(lái)的現(xiàn)象?；诖思僭O(shè)前提，煙葉在圖像中的數(shù)量直接和煙葉在圖中所占比例相關(guān)。
所以，我們只需要將圖像中的背景剔除掉，就可以獲得煙葉的數(shù)量了由于圖像中的背景顏色固定，并且變化幅度很小，所以只要對(duì)每個(gè)象素進(jìn)行二值化判斷，即看它是否屬于背景色的范圍內(nèi)，如果不是，即可認(rèn)為該象素為煙葉。
圖4為經(jīng)過(guò)二值化處理后的圖像。
3、獲取邊緣變化率為了獲得圖像的平均邊緣變化率，首先逐行掃描邊緣提取后的圖像(圖3)和二值化后的圖像(圖4)，圖3的顏色每變化一次就使用計(jì)數(shù)器counter加一(注意從黑色變化到白色然后再?gòu)陌咨兓胶谏?，二者只能算一次變?。而對(duì)圖4，則統(tǒng)計(jì)煙葉的象素?cái)?shù)(白色部分)，這樣得到每行的邊緣頻率如下Fline=counterWt]]>其中Wt為該行的煙葉象素?cái)?shù)counter為顏色變化次數(shù)。
Fline為每行的邊緣出現(xiàn)頻率整個(gè)圖像的邊緣平均變化率為Fimage=Σline=0max_lineFlinemax_line]]>其中max_line為圖像的總行數(shù)減一。
Fimage為整個(gè)圖像的邊緣變化頻率在某段時(shí)間內(nèi)以固定的時(shí)間間隔對(duì)圖像進(jìn)行采樣，計(jì)算出每幅圖像的邊緣變化頻率Fimage，然后進(jìn)行平均，就可以得到本段時(shí)間內(nèi)的邊緣變化頻率Fdt。
4、確定大中葉率與邊緣變化率的關(guān)系，求得結(jié)果可以確信，大中葉率Kbl和某段時(shí)間內(nèi)邊緣變化率Ft中存在某種函數(shù)關(guān)系，即Kbl＝f(Ft)為了獲得該函數(shù)，可以對(duì)其進(jìn)行現(xiàn)場(chǎng)采樣，并根據(jù)采樣的結(jié)果進(jìn)行擬合。
下表為某次現(xiàn)場(chǎng)實(shí)際測(cè)量后的得到的一組數(shù)據(jù)

表1現(xiàn)場(chǎng)實(shí)際測(cè)量結(jié)果我們依據(jù)以上結(jié)果對(duì)在Matlab里對(duì)函數(shù)Kbl＝f(Ft)進(jìn)行了三階最小二乘擬合。得到的f函數(shù)為Kbl=3.226-138.74Ft+2194.6Ft2-11567Ft3]]>擬合的效果如圖5所示經(jīng)過(guò)實(shí)際的擬合后的函數(shù)較好地吻合了實(shí)測(cè)的大中葉率，經(jīng)過(guò)后面的試驗(yàn)證實(shí)，本方法得到的大中葉率和實(shí)際值相比，偏差率在10％之內(nèi)。這對(duì)于煙草企業(yè)來(lái)說(shuō)，是一個(gè)可以容忍的偏差。而企業(yè)因此獲得的好處就是在流水線上能夠?qū)崟r(shí)地檢測(cè)到任何時(shí)刻的大中葉率是否符合要求，對(duì)煙廠提高管理水平起著較為重要的作用。
權(quán)利要求
1.一種煙草大中片率檢測(cè)方法，在主要由攤薄機(jī)、輸送機(jī)、視頻柜、CCD相機(jī)、數(shù)字圖像處理計(jì)算機(jī)構(gòu)成的硬件平臺(tái)中1)、通過(guò)攤薄機(jī)使煙葉形成薄層；2)、借助輸送機(jī)將煙葉薄層加速；3)、加速后的煙葉薄層通過(guò)視頻柜窄縫，拋投出去；4)、線陣CCD相機(jī)在所述窄縫處攝取煙葉圖像，送入數(shù)字圖像處理計(jì)算機(jī)；5)、數(shù)字圖像處理計(jì)算機(jī)對(duì)輸入的數(shù)字圖像進(jìn)行以下步驟的處理5.1)提取圖像邊緣——借助邊緣提取算子，從數(shù)字圖像中提取邊緣圖像；5.2)獲取圖像中煙葉數(shù)量——判斷后剔除圖像背景，獲得反映煙葉數(shù)量的象素圖像；5.3)獲取邊緣變化率——逐行掃描上述邊緣圖像和象素圖像，并分別計(jì)數(shù)，求得各行邊緣變化數(shù)與象素?cái)?shù)之比，再求得各行邊緣變化數(shù)與象素?cái)?shù)之比的平均值作為整個(gè)圖像的邊緣變化率；5.4)求出大中葉率——根據(jù)采樣結(jié)果進(jìn)行擬合，求出大中葉率與邊緣變化率的函數(shù)關(guān)系，進(jìn)而依邊緣變化率、并通過(guò)所述函數(shù)關(guān)系求出大中葉率檢測(cè)結(jié)果。
2.根據(jù)權(quán)利要求1所述煙草大中片率檢測(cè)方法，其特征在于所述步驟5.1中的邊緣提取算子為拉普拉茲算子、索貝爾算子、羅伯特算子中的一種。
3.根據(jù)權(quán)利要求1或2所述煙草大中片率檢測(cè)方法，其特征在于所述步驟5.2中的判斷為對(duì)每個(gè)象素進(jìn)行二值化判斷。
4.根據(jù)權(quán)利要求3所述煙草大中片率檢測(cè)方法，其特征在于所述步驟5.4中的擬合為三階最小二乘擬合。
5.根據(jù)權(quán)利要求4所述煙草大中片率檢測(cè)方法，其特征在于所述步驟2中加速到5-7米/秒。
全文摘要
本發(fā)明涉及一種煙草大中片率的檢測(cè)方法，屬于煙草質(zhì)量檢測(cè)技術(shù)領(lǐng)域。本發(fā)明借助數(shù)字圖像處理計(jì)算機(jī)，通過(guò)攤薄機(jī)使煙葉形成薄層、輸送機(jī)將煙葉薄層加速到5－7米/秒的速度、將煙葉薄層拋投到另一條傳送帶上、由CCD相機(jī)在所述窄縫處攝取煙葉圖像、送入數(shù)字圖像處理計(jì)算機(jī)；再提取圖像邊緣、獲取圖像中煙葉數(shù)量、獲取邊緣變化率，最終實(shí)現(xiàn)借助計(jì)算機(jī)的圖像運(yùn)算處理功能，迅速自動(dòng)得出煙草大中片率的檢測(cè)結(jié)果，從而減輕了檢測(cè)勞動(dòng)強(qiáng)度，提高了檢測(cè)工作效率，避免了人為因素的影響，可以取得科學(xué)、公正的檢測(cè)結(jié)果。
文檔編號(hào)G01N21/86GK1641341SQ20041001381
公開(kāi)日2005年7月20日 申請(qǐng)日期2004年1月6日 優(yōu)先權(quán)日2004年1月6日
發(fā)明者歐陽(yáng)光, 杭建軍, 沙濤 申請(qǐng)人:歐陽(yáng)光