本發(fā)明涉及煙葉檢測，特別是涉及一種煙葉長度預(yù)測方法及系統(tǒng)。

背景技術(shù)：

1、煙草行業(yè)在我國的經(jīng)濟中發(fā)展中占據(jù)著重要地位，在煙葉的收購中，煙葉分級不僅決定著烤煙的等級好壞，同時決定了煙葉的收購價格，進而影響煙草行業(yè)的經(jīng)濟指數(shù)。因此，如何精準的把控?zé)熑~分級尤為重要。

2、目前，我國現(xiàn)有的煙葉分級技術(shù)主要有人工經(jīng)驗性的查看，該方法準確率受人為主觀隨意性強等因素的影響，導(dǎo)致煙葉分級的準確率參差不齊；隨著人工智能現(xiàn)代化技術(shù)的不斷發(fā)展，利用人工智能計算機視覺技術(shù)進行煙葉分級近年來發(fā)展迅速，使得煙葉分級的準確率和效率得以提升。

3、影響煙葉等級的參數(shù)有長度、厚度、色澤、油分等。其中煙葉的長度通常在25厘米至45厘米之間，以5厘米為煙葉等級的變化幅度。因此，煙葉長度精準測量是等級劃分的核心參數(shù)。煙葉經(jīng)過采摘后，經(jīng)過烘烤、搬運等一系列的操作，易導(dǎo)致煙葉形成彎曲的形態(tài)。現(xiàn)有的煙葉長度測量技術(shù)主要是測量處于豎直形態(tài)的煙葉。但是，針對煙葉的狀態(tài)處于三角形、s彎曲型等不規(guī)則形態(tài)時的精準測量鮮有研究。

4、因此，提供一種針對煙葉不同形態(tài)的精準測量的煙葉長度預(yù)測方法及系統(tǒng)是本領(lǐng)域技術(shù)人員亟待解決的問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種煙葉長度預(yù)測方法，該方法邏輯清晰，安全、有效、可靠且操作簡便，能正對煙葉不同形態(tài)采用不同處理計算方式，高效且準確的預(yù)測獲得各種形態(tài)的煙葉長度。

2、一種煙葉長度預(yù)測方法，包括如下步驟：

3、構(gòu)建并訓(xùn)練圖像語義分割模型，得到訓(xùn)練后的圖像語義分割模型；

4、獲取原始煙葉圖像，輸入至所述訓(xùn)練后的圖像語義分割模型中，得到分割后的煙葉圖像；

5、根據(jù)圖像處理工具處理所述分割后的煙葉圖像，以獲取煙葉長寬比實際值；

6、根據(jù)所述煙葉長寬比實際值和煙葉長寬比預(yù)設(shè)閾值，確定煙葉形態(tài)；

7、計算獲取與所述煙葉形態(tài)相對應(yīng)的煙葉長度。

8、優(yōu)選地，所述構(gòu)建并訓(xùn)練圖像語義分割模型，得到訓(xùn)練后的圖像語義分割模型，包括如下步驟：

9、構(gòu)建由卷積層、激活函數(shù)和池化層組成，且采用黏稠連接方式的初始圖像語義分割模型；

10、迭代訓(xùn)練使所述初始圖像語義分割模型收斂，得到訓(xùn)練后的圖像語義分割模型。

11、優(yōu)選地，所述獲取原始煙葉圖像，輸入至所述訓(xùn)練后的圖像語義分割模型中，得到分割后的煙葉圖像，包括如下步驟：

12、通過安裝在固定位置的工業(yè)相機，獲取所述原始煙葉圖像；

13、所述訓(xùn)練后的圖像語義分割模型將輸入的所述原始煙葉圖像進行分割，以提取煙葉區(qū)域，作為分割后的煙葉圖像。

14、優(yōu)選地，所述根據(jù)圖像處理工具處理所述分割后的煙葉圖像，以獲取煙葉長寬比實際值，包括如下步驟：

15、通過所述圖像處理工具依次灰度化、二值化處理所述分割后的煙葉圖像，以獲取煙葉圖像矩陣；

16、根據(jù)所述圖像處理工具和所述煙葉圖像矩陣，提取煙葉輪廓；

17、根據(jù)所述煙葉輪廓和最小外接矩形框方法，以獲取最小外接矩形框的端點坐標值；

18、重復(fù)上述步驟，根據(jù)多個所述最小外接矩形框的端點坐標值和預(yù)設(shè)公式，獲取煙葉長寬比實際值。

19、優(yōu)選地，所述根據(jù)所述煙葉長寬比實際值和煙葉長寬比預(yù)設(shè)閾值，確定煙葉形態(tài)，包括如下步驟：

20、判斷所述煙葉長寬比實際值是否不大于所述煙葉長寬比閾值；

21、若是，則定義煙葉處于豎直形態(tài)；

22、若否，則定義煙葉處于不規(guī)則形態(tài)。

23、優(yōu)選地，所述計算獲取與所述煙葉形態(tài)相對應(yīng)的煙葉長度，包括如下步驟：

24、當(dāng)煙葉處于豎直形態(tài)時，根據(jù)所述最小外接矩形框的端點坐標值，計算獲取第一煙葉長度。

25、優(yōu)選地，所述計算獲取與所述煙葉形態(tài)相對應(yīng)的煙葉長度，還包括如下步驟：

26、當(dāng)煙葉處于不規(guī)則形態(tài)時，提取所述煙葉輪廓中的不同方向的極值點；

27、將所述煙葉輪廓中的不同方向的極值點依次連接，得到極值點直線；

28、根據(jù)貝塞爾曲線算法，將所述極值點直線轉(zhuǎn)換為極值點曲線；

29、根據(jù)基于歐式距離的組合權(quán)重法，計算所述極值點曲線的總長度；

30、根據(jù)工業(yè)相機的參數(shù)和所述極值點曲線的總長度，獲取第二煙葉長度。

31、優(yōu)選地，所述提取煙葉輪廓中的不同方向的極值點，包括如下步驟：

32、在預(yù)設(shè)梯度公式中引入圖像強度二階導(dǎo)數(shù)的零交叉點算子，計算各個坐標點的梯度值，并根據(jù)梯度差提取煙葉輪廓；

33、對所述煙葉輪廓進行像素查詢，得到不同方向的極值點。

34、優(yōu)選地，所述根據(jù)基于歐式距離的組合權(quán)重法，計算所述極值點曲線的總長度，包括如下步驟：

35、定義每輪有個坐標點，形成條線段，坐標值集群為；

36、則每段線段的歐式距離公式為：

37、；

38、曲線的總長度公式為：

39、。

40、一種煙葉長度預(yù)測系統(tǒng)，包括：

41、模型構(gòu)建模塊，用于構(gòu)建并訓(xùn)練圖像語義分割模型，得到訓(xùn)練后的圖像語義分割模型；

42、圖像分割模塊，用于獲取原始煙葉圖像，輸入至所述訓(xùn)練后的圖像語義分割模型中，得到分割后的煙葉圖像；

43、煙葉長寬比模塊，用于根據(jù)圖像處理工具處理所述分割后的煙葉圖像，以獲取煙葉長寬比實際值；

44、煙葉形態(tài)模塊，用于根據(jù)所述煙葉長寬比實際值和煙葉長寬比預(yù)設(shè)閾值，確定煙葉形態(tài)；

45、煙葉長度模塊，用于計算獲取與所述煙葉形態(tài)相對應(yīng)的煙葉長度。

46、本發(fā)明提供的煙葉長度預(yù)測方法，構(gòu)建圖像語義分割模型，并訓(xùn)練，得到訓(xùn)練后的圖像語義分割模型；將采集的原始煙葉圖像輸入至訓(xùn)練后的圖像語義分割模型中，得到分割后的煙葉圖像；通過圖像處理工具對分割后的煙葉圖像進行處理，得到煙葉長寬比實際值；提前預(yù)設(shè)煙葉長寬比閾值，與煙葉長寬比實際值進行比對，根據(jù)比對結(jié)果，確定煙葉形態(tài)；按照煙葉形態(tài)不同，計算相對應(yīng)的煙葉長度。

47、本發(fā)明通過確定煙葉的不同形態(tài)，根據(jù)形態(tài)的不同選擇對應(yīng)的處理計算方式，得到相對應(yīng)的預(yù)測煙葉長度。相比于現(xiàn)有技術(shù)，本發(fā)明針對煙葉的特殊形態(tài)設(shè)計了對應(yīng)的煙葉長度處理計算方式，可以有效提高煙葉長度預(yù)測的普適性以及預(yù)測精確性。

48、本發(fā)明還提供了一種煙葉長度預(yù)測系統(tǒng)，由于該預(yù)測系統(tǒng)與該預(yù)測方法屬于相同的技術(shù)領(lǐng)域，解決相同的技術(shù)問題，理應(yīng)具有相同的有益效果，在此不再贅述。

技術(shù)特征：

1.一種煙葉長度預(yù)測方法，其特征在于，包括如下步驟：

2.如權(quán)利要求1所述的煙葉長度預(yù)測方法，其特征在于，所述構(gòu)建并訓(xùn)練圖像語義分割模型，得到訓(xùn)練后的圖像語義分割模型，包括如下步驟：

3.如權(quán)利要求1所述的煙葉長度預(yù)測方法，其特征在于，所述獲取原始煙葉圖像，輸入至所述訓(xùn)練后的圖像語義分割模型中，得到分割后的煙葉圖像，包括如下步驟：

4.如權(quán)利要求3所述的煙葉長度預(yù)測方法，其特征在于，所述根據(jù)圖像處理工具處理所述分割后的煙葉圖像，以獲取煙葉長寬比實際值，包括如下步驟：

5.如權(quán)利要求4所述的煙葉長度預(yù)測方法，其特征在于，所述根據(jù)所述煙葉長寬比實際值和煙葉長寬比預(yù)設(shè)閾值，確定煙葉形態(tài)，包括如下步驟：

6.如權(quán)利要求5所述的煙葉長度預(yù)測方法，其特征在于，所述計算獲取與所述煙葉形態(tài)相對應(yīng)的煙葉長度，包括如下步驟：

7.如權(quán)利5所述的煙葉長度預(yù)測方法，其特征在于，所述計算獲取與所述煙葉形態(tài)相對應(yīng)的煙葉長度，還包括如下步驟：

8.如權(quán)利要求7所述的煙葉長度預(yù)測方法，其特征在于，所述提取煙葉輪廓中的不同方向的極值點，包括如下步驟：

9.如權(quán)利要求7所述的煙葉長度預(yù)測方法，其特征在于，所述根據(jù)基于歐式距離的組合權(quán)重法，計算所述極值點曲線的總長度，包括如下步驟：

10.一種煙葉長度預(yù)測系統(tǒng)，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明提供的煙葉長度預(yù)測方法及系統(tǒng)，是通過構(gòu)建圖像語義分割模型，并訓(xùn)練，得到訓(xùn)練后的圖像語義分割模型；將采集的原始煙葉圖像輸入至訓(xùn)練后的圖像語義分割模型中，得到分割后的煙葉圖像；通過圖像處理工具對分割后的煙葉圖像進行處理，得到煙葉長寬比實際值；提前預(yù)設(shè)煙葉長寬比閾值，與煙葉長寬比實際值進行比對，根據(jù)比對結(jié)果，確定煙葉形態(tài)；按照煙葉形態(tài)不同，計算相對應(yīng)的煙葉長度。本發(fā)明通過確定煙葉的不同形態(tài)，根據(jù)形態(tài)的不同選擇對應(yīng)的處理計算方式，得到相對應(yīng)的預(yù)測煙葉長度。相比于現(xiàn)有技術(shù)，本發(fā)明針對煙葉的特殊形態(tài)設(shè)計了對應(yīng)的煙葉長度處理計算方式，可以有效提高煙葉長度預(yù)測的普適性以及預(yù)測精確性。

技術(shù)研發(fā)人員：郭玉立,戴良斌,姜嘉豪
受保護的技術(shù)使用者：中煙物流技術(shù)有限責(zé)任公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/28