(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210646018.3 (22)申请日 2022.06.09 (71)申请人 湖北省烟草科学研究院 地址 430030 湖北省武汉市硚口区宝丰二 路6号香溢大酒店 (72)发明人 孙光伟　陈振国　宋朝鹏　孙敬国　 李建平　冯吉　张鹏龙　吴勇　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 专利代理师 祝蓉蓉 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/44(2022.01) G06T 5/30(2006.01)G06T 7/13(2017.01) G06T 7/60(2017.01) (54)发明名称 一种基于机器视觉的鲜烟部位识别方法 (57)摘要 本发明公开一种基于机器视觉的鲜烟部位 识别方法， 包括： 建立鲜烟叶不同部位的叶片采 收图库， 采收拍照时鲜烟叶旁放标准刻度尺； 对 图片进行预处理， 采用canny算子对预处理后的 图片进行烤烟轮廓边缘曲线提取； 构建叶片轮廓 的外接矩形； 基于叶片轮廓的外接矩形进行叶片 特征参数提取， 以叶片轮廓上距离最大的两个点 之间连线的像素点数量作为最大叶长， 以叶片轮 廓上与叶长垂直、 且距离最远的两点之间连线的 像素点数量作为最大叶宽， 根据最大叶长、 最大 叶宽和长宽比， 建立鲜烟叶部位判别模型。 本发 明实现了鲜烟叶部位的自动机器识别， 解决了人 工识别鲜烟叶部位所导致的识别效率低的问题， 为自动化匹配烘烤工艺参数实现智能烘烤奠定 基础。 权利要求书1页 说明书6页 附图2页 CN 115170862 A 2022.10.11 CN 115170862 A 1.一种基于 机器视觉的鲜烟部位识别方法， 其特 征在于， 所述方法包括： 建立鲜烟叶不同部位的叶片采收图库， 采收拍照时鲜烟叶旁放标准刻度尺； 对叶片采收图库中的图片进行预处理， 并采用canny算子对预处理后的图片进行烤烟 轮廓边缘曲线提取； 基于提取的烤烟轮廓边 缘曲线构建叶片轮廓的外 接矩形； 基于叶片轮廓的外接矩形进行叶片特征参数提取， 以叶片轮廓上距离最大的两个点之 间连线的像素点数量作为最大叶长， 以叶片轮廓上与叶长垂直、 且距离最远的两点之间连 线的像素点数量作为 最大叶宽， 根据最大叶长和最大叶宽计算得到叶宽比； 根据最大叶长、 最大叶宽和长宽比， 建立鲜烟叶部位判别模型为： 部位＝a+b ×最大叶 长+c×最大叶宽+d ×长宽比。 2.根据权利要求1所述一种基于机器视觉的鲜烟部位识别方法， 其特征在于， 所述方法 进一步包括： 将鲜烟叶的最大叶长和叶宽比输入鲜烟叶部位判别模型， 输出当前叶片的部 位， 并根据当前部位匹配对应的烘烤工艺。 3.根据权利要求1所述一种基于机器视觉的鲜烟部位识别方法， 其特征在于， 依据 逐步 回归方程计算得到不同品种鲜烟叶的部位判别模型。 4.根据权利要求3所述一种基于机器视觉的鲜烟部位识别方法， 其特征在于， 在进行逐 步回归方程计算时， 统计每个叶片特征参数 的方差膨胀系 数， 将方差膨胀系 数大于预设值 的叶片特 征参数进行剔除。 5.根据权利要求1所述一种基于机器视觉的鲜烟部位识别方法， 其特征在于， 在拍摄鲜 烟叶图像时， 将采收的鲜烟叶平铺放置在黑色背 景布中央， 旁边放置标准刻度 尺， 将相机固 定在距地 面预设距离处， 调节镜 头与地面垂直来进行图像采集。 6.根据权利要求1所述一种基于机器视觉的鲜烟部位识别方法， 其特征在于， 建立鲜烟 叶不同部位的叶片采收图库时， 上部叶、 中部叶、 下部叶的图片数量均不低于10 0张。 7.根据权利要求5所述一种基于机器视觉的鲜烟部位识别方法， 其特征在于， 对叶片采 收图库中的上部叶、 中部叶、 下部叶分别进行标注， 并以预设比例随机选取训练集和测试 集， 用于对构建的鲜烟叶部位判别模型进行训练和 测试。 8.根据权利要求1所述一种基于机器视觉的鲜烟部位识别方法， 其特征在于， 对采集的 图像进行预处理进一步包括： 图像灰度化、 高斯滤波平滑、 灰度图像二值化和形态学处理， 以实现叶片与背景的分离 。权　利　要　求　书 1/1 页 2 CN 115170862 A 2一种基于机 器视觉的鲜烟部位识别方 法 技术领域 [0001]本发明涉及图像处理技术领域， 尤其涉及鲜烟叶的自动识别及分类， 具体为一种 基于机器视觉的鲜烟部位识别方法。 背景技术 [0002]部位是影响烟叶烘烤工艺参数的重要因素。 采收后鲜烟烘烤工艺参数的设置由烘 烤技师根据部位、 成熟度等特征进行经验判断， 主观差异较大， 烤后烟叶质量参差不齐， 随 着物联网智能烘烤技 术的发展， 基于图像识别的烟叶自动烘烤将逐步 替代人工烤烟。 [0003]近年来， 基于图像分析的植物分类研究有较大进展， Filipa等采用混合模型设定 阈值的方法分割图像背景， 并基于特征排序方法实现植株图像精准分割； 董本志等基于 Freeman链码方法对叶片图像中的拐角点进行检测， 叶面积和叶周长的计算精确度有显著 提高； 董红霞等基于狭长度、 矩形度等7项相对几何特征和纹理特征， 并利用BP神经网络对 叶片进行分类， 识别准确率达到98.4％； 魏蕾等选取多个特征参数， 利用SVM分类器对4种叶 片进行识别， 准确率达到95.8％； Lukic等人采用Hu不变矩和LBP算法提取特征， SVM作为分 类器进行植物分类识别； 李洋等提出一种基于形态特征的植物叶片识别算法， 采用KNN ‑SVM 对叶片进行分类识别； Qi  Zhang等对10种分类器进 行评估， 发现在不同特征的叶片识别中， 随机森林和逻辑回归具有较高的准确性和稳定性。 这些研究结果 都可以验证不同机器视觉 与人工检测、 气相光谱和液相光谱等方法相比， 具有简便、 高效、 无损的特点。 [0004]目前， 机器视觉 的方法在烟草识别领域的研究也取得了较大进展， 但主要针对烤 后烟叶的分级以及烟叶成熟度的识别， 如 公开号CN110415181A的中国专利于2019年11月5 日公开的一种开放环境下烤烟RGB图像智能识别及等级判定方法， 且现有技术大多采用颜 色、 纹理等图像特征， 而对鲜烟叶部位的识别鲜有报道。 在烤烟采收环节中， 不同部位烤烟 的外观形态特征、 干物质积累量均存在一定差异 性， 导致烟叶烘烤特性差异较大， 正确识别 烟叶部位、 匹配合理工艺 参数是提高烟叶烘烤质量的重要一环。 发明内容 [0005]为克服上述现有技术的不足， 本发明提供一种基于机器视觉的鲜烟部位识别方 法， 该方法利用机器视觉技术， 提取烟叶的形态特征参数， 采用机器学习方法建立分类识别 模型， 实现鲜烟叶部位的自动、 准确识别。 [0006]本发明是通过以下技 术方案予以实现的： [0007]一种基于 机器视觉的鲜烟部位识别方法， 所述方法包括： [0008]建立鲜烟叶不同部位的叶片采收图库， 采收拍照时鲜烟叶旁放标准刻度尺； [0009]对叶片采收图库中的图片进行预处理， 并采用canny算子对预处理后的图片进行 烤烟轮廓边 缘曲线提取； [0010]基于提取的烤烟轮廓边 缘曲线构建叶片轮廓的外 接矩形； [0011]基于叶片轮廓的外接矩形进行叶片特征参数提取， 以叶片轮廓上距离最大的两个说　明　书 1/6 页 3 CN 115170862 A 3