论文部分内容阅读
目前,烟草生产行业中很多工序仍是由人工操作来完成,费时、费力又费钱,烟叶梗茎检测和烟叶类型识别就是两个需要人工参与的生产工序,其中烟叶梗茎检测是为了剔除打叶工序后烟叶中仍然残留的较粗的梗茎,烟叶类型识别是为了剔除正常烟叶中含有的未成熟烟叶、发霉的烟叶和掺杂的各种杂物等。基于机器视觉的烟叶梗茎检测与烟叶类型识别方法就是利用计算机视觉、机器学习和模式识别方法,实现烟叶梗茎自动检测和烟叶类型的自动识别,对其进行深入研究并将研究成果付诸于工程应用,能显著提高生产效率,节省成本。本文基于机器视觉的方法对烟叶梗茎自动检测和烟叶类型自动识别进行了深入研究,主要内容包括:(1)验证了利用红外热辐射特性进行烟叶梗茎检测的可行性,根据红外烟叶图像特点,将视觉显著性引入到烟叶梗茎的分割中,提出了一种基于视觉显著性直方图的红外烟叶梗茎分割方法;给出了烟叶梗茎检测的判别准则,并通过实验验证了基于视觉显著性直方图的红外烟叶梗茎检测算法的有效性;进一步对分割后的图像进行分析和计算,实现了行业通用打叶指标自动计算;(2)研究了基于颜色和纹理的烟叶特征提取方法,提出了基于颜色纹理两次耦合的烟叶特征提取方法;将该特征提取方法与稀疏表示相结合,设计了一种基于稀疏表示的烟叶类型识别方法;进一步考虑了识别错误代价问题,提出了基于颜色二值向量描述的分层识别方法,获得了较好的识别效果;(3)设计了一套烟叶梗茎检测和烟叶类型识别系统。给出了完整的系统框架和功能模块,并基于C++设计了烟叶梗茎检测和烟叶类型识别软件,将提出的烟叶梗茎检测和烟叶类型识别算法作了合理的优化后应用到系统中以满足工程应用的需求。