CN103175835A - 基于智能图像处理和模型估计的烟叶叶面积质量测定方法 - Google Patents

基于智能图像处理和模型估计的烟叶叶面积质量测定方法 Download PDF

Info

Publication number
CN103175835A
CN103175835A CN2013100605283A CN201310060528A CN103175835A CN 103175835 A CN103175835 A CN 103175835A CN 2013100605283 A CN2013100605283 A CN 2013100605283A CN 201310060528 A CN201310060528 A CN 201310060528A CN 103175835 A CN103175835 A CN 103175835A
Authority
CN
China
Prior art keywords
tobacco leaf
image
tobacco
leaf
area
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2013100605283A
Other languages
English (en)
Other versions
CN103175835B (zh
Inventor
杨征宇
余苓
任伟
杨凯
杨斌
徐其敏
陈清
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
HUAHUAN INTERNATIONAL TOBACCO CO Ltd
Shanghai Tobacco Group Co Ltd
Original Assignee
HUAHUAN INTERNATIONAL TOBACCO CO Ltd
Shanghai Tobacco Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by HUAHUAN INTERNATIONAL TOBACCO CO Ltd, Shanghai Tobacco Group Co Ltd filed Critical HUAHUAN INTERNATIONAL TOBACCO CO Ltd
Priority to CN201310060528.3A priority Critical patent/CN103175835B/zh
Publication of CN103175835A publication Critical patent/CN103175835A/zh
Application granted granted Critical
Publication of CN103175835B publication Critical patent/CN103175835B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Manufacture Of Tobacco Products (AREA)

Abstract

本发明提供一种基于智能图像处理和模型估计的烟叶叶面积质量测定方法，所述测定方法包括：采集烟叶图像，即通过烟草及其加工制品的图像数据获取装置完成烟叶图像的采集；通过智能图像处理提取烟叶图像；即通过智能图像处理获取的烟叶图像的光线，识别获取烟叶图像的烟叶轮廓，并采用烟叶图像的聚类分析获得烟叶主梗区域和叶片区域的面积信息，计算烟叶的实际面积；利用图像法二元线性模型估计烟叶面积质量，即利用烟叶总质量作为因变量，烟叶主梗区域面积和叶片区域面积作为自变量，建立关于主梗密度参数和叶片密度参数的二元线性模型进行密度参数的估计。本发明所述的烟叶叶面积质量测定方法可以更为客观、准确地对烟叶面积质量进行测定。

Description

基于智能图像处理和模型估计的烟叶叶面积质量测定方法
技术领域
本发明属于烟草技术领域，涉及一种测定烟叶叶面积质量的方法，特别是涉及一种基于智能图像处理和模型估计的烟叶叶面积质量测定方法。
背景技术
烟叶叶面积质量是烟叶物理特征的重要指标之一，该指标的测定对于烟叶质量评价有较高参考价值，并且是原料成本核算、卷烟质量控制以及加工工艺选择的重要参考。目前，测定烟叶叶面积质量的方法通常是叶面积质量法（质量法），即通过已知面积的打孔器在平铺烟叶上，通过人工选取的方式在非叶梗区域（叶梗区域不在烟叶叶面积及质量的计算范围内）选择六个打孔区域，之后放入烘箱中干燥两小时，取出放入干燥皿中冷却，称量其重量，通过质量与面积的比，进而求得烟叶叶面积质量。该方法的缺点是：主观性较强、效率低下、测量结果误差较大。
此外，中国发明专利CN101393101A（200810230653.3）涉及的《采用近红外光谱测定烟叶叶面密度的方法》，对于上述传统的依赖人工打孔的烟叶叶面积质量测定提出了改进，通过六点法（固定地选取主梗两侧各三个点）进行近红外密度检测。该方法的主要改进之处在于对传统方法中的干燥、冷却、称重过程的简化，使得检测时间缩短。但该方法仍然采用了点取样估算总体平均密度的方式，因此无法真正意义上描述整张烟叶的平均密度；由于取样数量的减少，甚至一定程度上较原有方法的六点抽样，在估算总体密度时存在一定的劣势。此外，该方法虽然对于样品制作的要求降低，但近红外检测设备昂贵且对操作人员及检测环境要求较高，进而增加了该方法的经济成本。
上述两种方法都采用了随机取样的方式，通过计算取样点的密度估算烟叶总体的密度，在一定程度上为烟叶叶面积质量测定工作带来不确定性。
因此，急需一种能够高效、快速、准确测定烟叶叶面积质量的方法。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于智能图像处理和模型估计的烟叶叶面积质量测定方法，用于解决现有技术无法高效、快速、准确测定烟叶叶面积质量的问题。
为实现上述目的及其他相关目的，本发明提供一种基于智能图像处理和模型估计的烟叶叶面积质量测定方法。所述烟叶叶面积质量测定方法包括：
S1，采集烟叶图像，即通过烟草及其加工制品的图像数据获取装置完成烟叶图像的采集；
S2，通过智能图像处理提取烟叶图像；即通过智能图像处理获取的烟叶图像的光线，识别获取烟叶图像的烟叶轮廓，并采用烟叶图像的聚类分析获得烟叶主梗区域和叶片区域的面积信息，计算烟叶的实际面积；
S3，利用图像法二元线性模型估计烟叶面积质量，即利用烟叶总质量作为因变量，烟叶主梗区域面积和叶片区域面积作为自变量，建立关于主梗密度参数和叶片密度参数的二元线性模型进行密度参数的估计。
优选地，所述烟草及其加工制品的图像数据获取装置包括：
透明吸附板，用于吸附固定待拍摄的烟叶；
物料照明光源，用于照射固定待拍摄的烟叶；
吸气设备，用于将烟叶吸附在所述透明吸附板上；
图像采集设备，用于获取烟叶图像数据，并将烟叶图像数据传输出去；
计算机，用于保存输入的烟叶图像数据并对其进行后续处理。
优选地，所述步骤S2包括：
S21，处理光线，将采集到的烟叶图像的背景变成均匀的50%灰度，采用线性插值算法修正每幅图像的亮度；
S22，识别获取烟叶图像的烟叶轮廓；即通过采用图像外轮廓识别算法提取烟叶的***轮廓；
S23，聚类分析烟叶图像，获取烟叶主梗区域和叶片区域；
S24，计算烟叶实际面积，获取烟叶主梗区域和叶片区域的面积信息。
优选地，所述图像外轮廓识别算法包括：基于小波变换的图像轮廓识别算法、基于robert因子的图像轮廓识别算法、基于laplace算子的图像轮廓识别、以及基于高斯滤波的轮廓识别算法。
优选地，所述聚类分析包括K-means聚类、FCM聚类和凝集聚类。
优选地，所述二元线性模型为：Ytotal.weight＝β0+ρpeduncleXpeduncle+ρleafXleaf+ε，其中Ytotal.weight是烟叶总质量；β0为截距；ρpeduncle为主梗区域密度参数；Xpeduncle是主梗区域面积；ρleaf为叶片区域密度参数；Xleaf是叶片区域面积；ε为随机误差。
如上所述，本发明所述的基于智能图像处理和模型估计的烟叶叶面积质量测定方法，具有以下有益效果：
1、本发明对烟叶图像实现了高效、准确、批量化的处理分析；
2、本发明不涉及复杂硬件仪器，实现了更为客观、准确地烟叶面积质量测定；
3、本发明不依赖于人工操作。
附图说明
图1显示为本发明的基于智能图像处理和模型估计的烟叶叶面积质量测定方法的方法流程图。
图2显示为本发明的基于智能图像处理和模型估计的烟叶叶面积质量测定方法中完成步骤S1的烟草及其加工制品的图像数据获取装置的结构图。
图3显示为本发明的基于智能图像处理和模型估计的烟叶叶面积质量测定方法中步骤S2的流程图。
图4显示为本发明的基于智能图像处理和模型估计的烟叶叶面积质量测定方法中步骤S3的流程图
元件标号说明
1        透明吸附板
2        物料照明光源
3        吸气设备
4        图像采集设备
5        计算机
11       透气孔
12       坐标尺
S1~S3    步骤
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。
请参阅附图。需要说明的是，本实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
下面结合实施例和附图对本发明进行详细说明。
本实施例通过对取20种不同地区不同等级的烟叶，每种对同一批次的烟叶随机选取20张烟叶，采用基于智能图像处理和模型估计的烟叶叶面积质量测定方法处理，该测定方法首先，采集随机选取的20张烟叶的图像；随后，通过智能图像处理***对采集到的烟叶的图像进行处理获得主梗区域和叶片区域的面积信息；接着，称重随机选取的20张烟叶的总质量，获得20张烟叶的主梗面积、叶片面积及烟叶总质量；最后，将20张烟叶的烟叶总质量与烟叶主梗面积和叶片面积输入到二元线性模型进行密度参数的描述与估计。具体基于智能图像处理和模型估计的烟叶叶面积质量测定方法，如图1所示，包括：
S1，采集烟叶图像；即通过（但不限于）一种烟草及其加工制品的图像数据获取装置完成烟叶图像的采集，所述图像数据获取装置，如图2所示，包括：透明吸附板1，其用于吸附固定待拍摄的物料，即烟叶。所述透明吸附板1上具有均匀分布的透气孔11，背面设有坐标尺12。物料照明光源2，用于照射固定待拍摄的物料，多个物料照明光源2对称分布在所述透明吸附板1的左侧、右侧、和下方，所述物料照明光源2可从多个角度调节。吸气设备3，用于将物料，即烟叶吸附在所述透明吸附板上，其与所述透气吸附板1相连。图像采集设备4，用于获取烟叶图像数据，并将烟叶图像数据传输至计算机5，以及，计算机5，用于保存输入的烟叶图像数据并对其进行后续处理。当需要对烟叶拍照时，将烟叶平铺于所述透明吸附板1上，所述吸气设备3会将烟叶吸附在所述透明吸附板1上进行拍照，并将图像采集设备4放置在所述透明吸附板1上方，如果打开所述透明吸附板1下方的多个物料照明光源2，这样可以拍出烟叶背面的脉络，通过所述图像采集设备4获取烟叶图像数据，并将获取到的烟叶图像数据传输至计算机5，以便保存和进行后续处理。所述透明吸附板1上设有坐标尺12是为了更好的获取烟叶图像数据，使形成的图像上具有对比刻度。并且进一步为了提高烟叶图像的质量，多个物料照明光源2可采用可调光线强度的高亮度白色LED光源。如果不具备以上设备，那么将烟叶平铺在白色或透明的平板上，在平板垂直上方50厘米处架设图像采集设备，保证光源稳定且图像采集设备焦距温度。通过所述图像数据获取装置采集到符合标准的图像后，接着执行步骤S2。
S2，通过智能图像处理提取烟叶图像；即通过智能图像处理获取的烟叶图像的光线，识别获取烟叶图像的烟叶轮廓，并采用烟叶图像的聚类分析获得烟叶主耿区域和叶片区域的面积信息，计算烟叶的实际面积。如图3所示，该步骤具体包括：
S21，处理光线，将采集到的烟叶图像的背景变成均匀的50%灰度，采用线性插值算法修正每幅图像的亮度，以便每幅图像在相同的尺度下进行比较。
S22，识别获取烟叶图像的烟叶轮廓；即通过采用图像外轮廓识别算法提取烟叶的***轮廓，并获得中间处理对象，即不包括背景白板区域的烟叶区域。其中，所述图像外轮廓识别算法包括但不限于：基于小波变换的图像轮廓识别算法、基于robert（罗伯特）因子的图像轮廓识别算法、基于laplace（拉普拉斯）算子的图像轮廓识别、以及基于高斯滤波的轮廓识别算法。
S23，聚类分析烟叶图像，获取烟叶主梗区域和叶片区域。由于烟叶的主梗区域和叶片区域在颜色上有明显的区分，这样便可以通过聚类分析算法应用于图像颜色值，即红绿蓝三色体系，所述聚类分析算法将聚类目标为烟叶的主梗区域和叶片区域，也就是设置聚类目标数目为2。所述聚类分析算法包括但不限于K-means（K均值）聚类、FCM（模糊C均值）聚类和凝集聚类；
S24，计算烟叶实际面积，获取烟叶主梗区域和叶片区域的面积信息，即利用背景坐标识别获取单个像素与烟叶实际面积大小的比例，分别计算主梗区域和叶片区域的像素，映射到烟叶实际面积大小，获取烟叶主梗区域和叶片区域的面积信息。如果使用所述烟草及其加工制品的图像数据获取装置，这样可通过背景坐标识别获取图像中单个像素与实际面积大小的比例，并分别计算烟叶的主梗区域和叶片区域的像素，并映射到实际面积大小；如果未使用所述烟草及其加工制品的图像数据获取装置，可以通过测量背景板面积，计算单个像素与实际面积的比例，最后计算出烟叶的主梗区域和叶片区域的实际面积，获得主梗区域面积和位置信息、叶片区域面积和位置信息。通过智能图像处理提取到烟叶的主梗区域和叶片区域的面积信息、位置信息后，继续执行下一步。在本实施例中步骤S1和S2统称为基于智能图像处理的烟叶叶面积质量测定方法。
S3，利用图像法二元线性模型估计烟叶面积质量，即利用烟叶总质量作为因变量，烟叶主梗区域面积和叶片区域面积作为自变量，建立关于主梗密度参数和叶片密度参数的二元线性模型进行密度参数的估计。该步骤称为基于二元线性模型估计的烟叶叶面积质量测定方法。其中，所述二元线性模型为：
Ytotal.weight＝β0+ρpeduncleXpeduncle+ρleafXleaf+ε
其中，其中Ytotal.weight是烟叶总质量；β0为截距；ρpeduncle为主梗区域密度参数；Xpeduncle是主梗区域面积；ρleaf为叶片区域密度参数；Xleaf是叶片区域面积；ε为随机误差。
如图4所示，步骤S3具体包括：
S31，根据烟叶总质量（包括烟叶主梗质量和叶片质量）和烟叶主梗面积以及叶片面积存在线性关系，将获取的烟叶主梗区域和叶片区域的面积信息，作为烟叶总质量与烟叶主梗面积和叶片面积关于密度参数的二元线性模型的自变量输入；
S32，通过电子称称重随机选取的20张烟叶的烟叶总质量，将其作为关于密度参数的二元线性模型的因变量输入；
S33，通过关于密度参数的二元线性模型分别估计出烟叶主梗密度参数和叶片密度参数。
本发明通过对取20种不同地区不同等级的烟叶，每种对同一批次的烟叶随机选取20张烟叶，采用基于智能图像处理和模型估计的烟叶叶面积质量测定方法处理的结果与传统的六点测量法比较，平均相对误差达到15%以上，并且由于本发明采用的是用全烟叶技术，相比传统的点测技术更为精确。
本发明所述的基于智能图像处理和模型估计的烟叶叶面积质量测定方法通过一种更为直接的方式，该方法通过计算机实现的自动化图像处理和二元线性模型的烟叶叶面积质量方法，不依赖于人工操作，并且不涉及复杂硬件仪器，可对烟叶图像实现高效、准确、批量化的处理分析。可以实现更为客观、准确地叶面积质量测定。
综上所述，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (6)

1.一种基于智能图像处理和模型估计的烟叶叶面积质量测定方法，其特征在于，所述烟叶叶面积质量测定方法包括：
S1，采集烟叶图像，即通过烟草及其加工制品的图像数据获取装置完成烟叶图像的采集；
S2，通过智能图像处理提取烟叶图像；即通过智能图像处理获取的烟叶图像的光线，识别获取烟叶图像的烟叶轮廓，并采用烟叶图像的聚类分析获得烟叶主梗区域和叶片区域的面积信息，计算烟叶的实际面积；
S3，利用图像法二元线性模型估计烟叶面积质量，即利用烟叶总质量作为因变量，烟叶主梗区域面积和叶片区域面积作为自变量，建立关于主梗密度参数和叶片密度参数的二元线性模型进行密度参数的估计。
2.根据权利要求1所述的基于智能图像处理和模型估计的烟叶叶面积质量测定方法，其特征在于：所述烟草及其加工制品的图像数据获取装置包括：
透明吸附板，用于吸附固定待拍摄的烟叶；
物料照明光源，用于照射固定待拍摄的烟叶；
吸气设备，用于将烟叶吸附在所述透明吸附板上；
图像采集设备，用于获取烟叶图像数据，并将烟叶图像数据传输出去；
计算机，用于保存输入的烟叶图像数据并对其进行后续处理。
3.根据权利要求1所述的基于智能图像处理和模型估计的烟叶叶面积质量测定方法，其特征在于：所述步骤S2包括：
S21，处理光线，将采集到的烟叶图像的背景变成均匀的50%灰度，采用线性插值算法修正每幅图像的亮度；
S22，识别获取烟叶图像的烟叶轮廓；即通过采用图像外轮廓识别算法提取烟叶的***轮廓；
S23，聚类分析烟叶图像，获取烟叶主梗区域和叶片区域；
S24，计算烟叶实际面积，获取烟叶主梗区域和叶片区域的面积信息。
4.根据权利要求3所述的基于智能图像处理和模型估计的烟叶叶面积质量测定方法，其特征在于：所述图像外轮廓识别算法包括：基于小波变换的图像轮廓识别算法、基于robert因子的图像轮廓识别算法、基于laplace算子的图像轮廓识别、以及基于高斯滤波的轮廓识别算法。
5.根据权利要求3所述的基于智能图像处理和模型估计的烟叶叶面积质量测定方法，其特征在于：所述聚类分析包括K-means聚类、FCM聚类和凝集聚类。
6.根据权利要求1所述的基于智能图像处理和模型估计的烟叶叶面积质量测定方法，其特征在于：所述二元线性模型为：Ytotal.weight＝β0+ρpeduncleXpeduncle+ρleafXleaf+ε，其中Ytotal.weight是烟叶总质量；β0为截距；ρpeduncle为主梗区域密度参数；Xpeduncle是主梗区域面积；ρleaf为叶片区域密度参数；Xleaf是叶片区域面积；ε为随机误差。
CN201310060528.3A 2013-02-26 2013-02-26 基于智能图像处理和模型估计的烟叶叶面积质量测定方法 Active CN103175835B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310060528.3A CN103175835B (zh) 2013-02-26 2013-02-26 基于智能图像处理和模型估计的烟叶叶面积质量测定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310060528.3A CN103175835B (zh) 2013-02-26 2013-02-26 基于智能图像处理和模型估计的烟叶叶面积质量测定方法

Publications (2)

Publication Number Publication Date
CN103175835A true CN103175835A (zh) 2013-06-26
CN103175835B CN103175835B (zh) 2015-04-08

Family

ID=48635837

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310060528.3A Active CN103175835B (zh) 2013-02-26 2013-02-26 基于智能图像处理和模型估计的烟叶叶面积质量测定方法

Country Status (1)

Country Link
CN (1) CN103175835B (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103592304A (zh) * 2013-10-23 2014-02-19 上海烟草集团有限责任公司 梗物分析***及其分析方法
CN104198491A (zh) * 2014-09-04 2014-12-10 国家烟草质量监督检验中心 基于计算机视觉的烟丝中膨胀叶丝比例测定方法
CN104198325A (zh) * 2014-09-04 2014-12-10 国家烟草质量监督检验中心 基于计算机视觉的烟丝中梗丝比例测定方法
CN105815806A (zh) * 2016-06-01 2016-08-03 江苏中烟工业有限责任公司 一种造纸法再造烟叶产品定量的测定方法
CN107462561A (zh) * 2017-09-09 2017-12-12 华中农业大学 烟叶病斑性状荧光动态自动检测装置及方法
CN109631821A (zh) * 2019-01-14 2019-04-16 江西农业大学 一种快速无损测量竹子叶片面积的方法
CN109785315A (zh) * 2019-01-22 2019-05-21 华环国际烟草有限公司 烟梗重量的测量方法、存储介质、终端及装置
CN110455262A (zh) * 2019-08-22 2019-11-15 生态环境部南京环境科学研究所 入湖干草量智能监测装置及干草氮磷污染入湖测算方法
CN112704259A (zh) * 2020-12-11 2021-04-27 杭州安脉盛智能技术有限公司 一种密集烟叶识别的打叶质量评价方法及***
CN113124784A (zh) * 2021-03-17 2021-07-16 红塔烟草(集团)有限责任公司 一种基于激光扫描共聚焦技术的初烤烟部位判定方法
CN113408541A (zh) * 2021-05-24 2021-09-17 芜湖启迪睿视信息技术有限公司 一种烟叶长度的测量方法
CN113570584A (zh) * 2021-07-30 2021-10-29 河南中烟工业有限责任公司 基于图像识别的烟丝结构检测方法
CN114739326A (zh) * 2022-05-10 2022-07-12 河南启迪睿视智能科技有限公司 烤烟烟叶面积的测量方法及***
CN116862456A (zh) * 2023-09-04 2023-10-10 山东一方制药有限公司 一种基于图像处理的中药生产监视控制***及方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020030820A1 (en) * 1999-05-25 2002-03-14 Shinzo Kida Density checking apparatus for tobacco flavor-tasting article or component of tobacco flavor-tasting article
CN1847830A (zh) * 2006-05-12 2006-10-18 云南昆船设计研究院 一种检测烟叶大中片率的方法及装置
CN101393101A (zh) * 2008-10-30 2009-03-25 中国烟草总公司郑州烟草研究院 采用近红外光谱测定烟叶叶面密度的方法
CN101751694A (zh) * 2008-12-10 2010-06-23 中国科学院自动化研究所 一种对复杂叶片的快速简化和绘制方法
CN101968346A (zh) * 2010-09-29 2011-02-09 中国烟草总公司郑州烟草研究院 一种烟叶叶片结构的表征方法
CN102339385A (zh) * 2011-07-28 2012-02-01 南京焦耳科技有限责任公司 基于组合光透视的叶中含梗及含梗率视觉识别检测方法
CN102607475A (zh) * 2012-04-10 2012-07-25 中国烟草总公司郑州烟草研究院 一种利用Photoshop软件测定烤后烟叶细胞面积的方法
CN102645444A (zh) * 2012-04-10 2012-08-22 中国烟草总公司郑州烟草研究院 一种利用Photoshop软件定量表征烤后烟叶细胞形状特征的方法
CN102914620A (zh) * 2012-10-16 2013-02-06 红塔烟草(集团)有限责任公司 一种再造烟叶成品定量的测定方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020030820A1 (en) * 1999-05-25 2002-03-14 Shinzo Kida Density checking apparatus for tobacco flavor-tasting article or component of tobacco flavor-tasting article
CN1847830A (zh) * 2006-05-12 2006-10-18 云南昆船设计研究院 一种检测烟叶大中片率的方法及装置
CN101393101A (zh) * 2008-10-30 2009-03-25 中国烟草总公司郑州烟草研究院 采用近红外光谱测定烟叶叶面密度的方法
CN101751694A (zh) * 2008-12-10 2010-06-23 中国科学院自动化研究所 一种对复杂叶片的快速简化和绘制方法
CN101968346A (zh) * 2010-09-29 2011-02-09 中国烟草总公司郑州烟草研究院 一种烟叶叶片结构的表征方法
CN102339385A (zh) * 2011-07-28 2012-02-01 南京焦耳科技有限责任公司 基于组合光透视的叶中含梗及含梗率视觉识别检测方法
CN102607475A (zh) * 2012-04-10 2012-07-25 中国烟草总公司郑州烟草研究院 一种利用Photoshop软件测定烤后烟叶细胞面积的方法
CN102645444A (zh) * 2012-04-10 2012-08-22 中国烟草总公司郑州烟草研究院 一种利用Photoshop软件定量表征烤后烟叶细胞形状特征的方法
CN102914620A (zh) * 2012-10-16 2013-02-06 红塔烟草(集团)有限责任公司 一种再造烟叶成品定量的测定方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张帆等: "基于人工神经网络技术提取烟叶质量特征值", 《农业机械学报》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103592304A (zh) * 2013-10-23 2014-02-19 上海烟草集团有限责任公司 梗物分析***及其分析方法
CN104198491A (zh) * 2014-09-04 2014-12-10 国家烟草质量监督检验中心 基于计算机视觉的烟丝中膨胀叶丝比例测定方法
CN104198325A (zh) * 2014-09-04 2014-12-10 国家烟草质量监督检验中心 基于计算机视觉的烟丝中梗丝比例测定方法
CN105815806A (zh) * 2016-06-01 2016-08-03 江苏中烟工业有限责任公司 一种造纸法再造烟叶产品定量的测定方法
CN107462561A (zh) * 2017-09-09 2017-12-12 华中农业大学 烟叶病斑性状荧光动态自动检测装置及方法
CN109631821A (zh) * 2019-01-14 2019-04-16 江西农业大学 一种快速无损测量竹子叶片面积的方法
CN109785315A (zh) * 2019-01-22 2019-05-21 华环国际烟草有限公司 烟梗重量的测量方法、存储介质、终端及装置
CN110455262B (zh) * 2019-08-22 2021-07-30 生态环境部南京环境科学研究所 入湖干草量智能监测装置及干草氮磷污染入湖测算方法
CN110455262A (zh) * 2019-08-22 2019-11-15 生态环境部南京环境科学研究所 入湖干草量智能监测装置及干草氮磷污染入湖测算方法
CN112704259A (zh) * 2020-12-11 2021-04-27 杭州安脉盛智能技术有限公司 一种密集烟叶识别的打叶质量评价方法及***
CN113124784A (zh) * 2021-03-17 2021-07-16 红塔烟草(集团)有限责任公司 一种基于激光扫描共聚焦技术的初烤烟部位判定方法
CN113124784B (zh) * 2021-03-17 2022-08-05 红塔烟草(集团)有限责任公司 一种基于激光扫描共聚焦技术的初烤烟部位判定方法
CN113408541A (zh) * 2021-05-24 2021-09-17 芜湖启迪睿视信息技术有限公司 一种烟叶长度的测量方法
CN113570584A (zh) * 2021-07-30 2021-10-29 河南中烟工业有限责任公司 基于图像识别的烟丝结构检测方法
CN114739326A (zh) * 2022-05-10 2022-07-12 河南启迪睿视智能科技有限公司 烤烟烟叶面积的测量方法及***
CN116862456A (zh) * 2023-09-04 2023-10-10 山东一方制药有限公司 一种基于图像处理的中药生产监视控制***及方法
CN116862456B (zh) * 2023-09-04 2023-12-19 山东一方制药有限公司 一种基于图像处理的中药生产监视控制***及方法

Also Published As

Publication number Publication date
CN103175835B (zh) 2015-04-08

Similar Documents

Publication Publication Date Title
CN103175835B (zh) 基于智能图像处理和模型估计的烟叶叶面积质量测定方法
CN105091922B (zh) 一种基于虚拟表盘的指针表读数识别方法
CN107229930B (zh) 一种指针式仪表数值智能识别方法
CN104198324B (zh) 基于计算机视觉的烟丝中叶丝比例测定方法
CN103226088B (zh) 一种颗粒物计数方法
CN104240264B (zh) 一种运动物体的高度检测方法和装置
CN102589516B (zh) 一种基于双目线扫描摄像机的动态距离测量***
JP2016507759A5 (zh)
CN103034837B (zh) 特征参数与脉象要素的关联
CN106951905A (zh) 一种基于tof相机的树上苹果识别与定位方法
CN104198325B (zh) 基于计算机视觉的烟丝中梗丝比例测定方法
CN103954334B (zh) 一种全自动摄像式水表检定***及其工作方法
CN105300854A (zh) 雾滴参数测量装置及利用该装置的雾滴参数测量分析方法
CN101984916A (zh) 基于数字图像处理技术的血管管径测量方法
CN106340000A (zh) 骨龄评估方法
TWI712724B (zh) 自動跟蹤尿液的方法及裝置
CN106706643B (zh) 一种肝癌对比切片检测方法
CN109827957A (zh) 一种基于计算机视觉的水稻叶片spad值估测方法及***
WO2015141275A1 (ja) 細胞領域表示制御装置および方法並びにプログラム
CN103514599B (zh) 一种基于邻域总变分的影像最佳分割尺度选择方法
CN102788796B (zh) 基于高光谱图像及荧光图像多信息融合的作物氮营养诊断装置及方法
CN203177944U (zh) 一种颗粒物计数装置
CN102288776B (zh) 玉米植株生长速率测量方法
CN109556533B (zh) 一种针对多线结构光条纹图像的自动提取方法
CN103776770B (zh) 一种基于信息熵的多路光源自适应***及其工作方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant