CN108416782A - 基于视觉识别和光照矫正的烟叶评级方法及*** - Google Patents
基于视觉识别和光照矫正的烟叶评级方法及*** Download PDFInfo
- Publication number
- CN108416782A CN108416782A CN201810355963.1A CN201810355963A CN108416782A CN 108416782 A CN108416782 A CN 108416782A CN 201810355963 A CN201810355963 A CN 201810355963A CN 108416782 A CN108416782 A CN 108416782A
- Authority
- CN
- China
- Prior art keywords
- color
- illumination
- tobacco leaf
- image
- correction
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30128—Food products
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明涉及基于视觉识别和光照矫正的烟叶评级方法及***,该方法包括获取烟叶图像;利用颜色/光照矫正板矫正烟叶图像的颜色和光照;提取矫正后的图像中的评级参数;根据评级参数预测当前烟叶的等级。本发明通过获取烟叶图像,对烟叶图像进行光照和颜色的矫正,并采用计算机视觉识别的方式,转换图像的颜色空间,提取颜色特征,依据训练好的模型预测烟叶的等级,该方法可集成于移动终端上,实现在线的烟叶评级,携带方便且实用简单,不需要严格控制光照明暗、颜色以及不需要昂贵的成像设备,普通光照环境和手机摄像头也可以实现烟叶的评级,成本较低。
Description
技术领域
本发明涉及烟叶评级方法,更具体地说是指基于视觉识别和光照矫正的烟叶评级方法及***。
背景技术
长期以来,不论是国内还是国外,烟叶质量的检测和分级都是参照各地区颁布的烟叶分级标准和标准的烟叶样本,依靠人的视觉和触觉感官来进行判断分级的。因此,每到收购烟叶之前,全国各烟区都要成立学习班,收集大量的、标准的烟叶样本作为培训材料,用来培训收购站的烟叶分级人员,这样的分级方式需要消耗和费损大量的人力、物力和财力,而目效率也很低下。更重要的方面是,人类的感官判断带有强烈的主观性和模糊性,影响着对烟叶分级的细致性和变化性的判断,使检验和分级的结果存在着较大的差异,在评级时,需要严格控制光照明暗以及颜色。
随着经济和社会的发展,以及卷烟制品质量的发展,我国己经开始全面推广42级新的烟叶分级标准(GB2635-92),以此来逐步提高对烟叶质量的要求。新的烟叶分级标准引出了多种采用成像设备进行烟叶评级的方法,但是需要严格控制光照明暗、颜色以及需要昂贵的成像设备;普通光照环境和手机摄像头无法实现烟叶的评级,导致评级成本增加。
因此,有必要设计一种新的烟叶评级方法,实现不需要严格控制光照明暗、颜色以及不需要昂贵的成像设备,普通光照环境和手机摄像头也可以实现烟叶的评级,成本较低。
发明内容
本发明的目的在于克服现有技术的缺陷,提供基于视觉识别和光照矫正的烟叶评级方法及***。
为实现上述目的,本发明采用以下技术方案:基于视觉识别和光照矫正的烟叶评级方法,所述方法包括:
获取烟叶图像;
利用颜色/光照矫正板矫正烟叶图像的颜色和光照;
提取矫正后的图像中的评级参数;
根据评级参数预测当前烟叶的等级。
其进一步技术方案为:所述方法还包括:
制备颜色/光照矫正板。
其进一步技术方案为:制备颜色/光照矫正板的步骤,包括以下具体步骤:
设置颜色/光照矫正板四个端角的二维码;
设置颜色/光照矫正板的两条间隔布置的水平的颜色条;
设置两条颜色条之间的留白区域。
其进一步技术方案为:利用颜色/光照矫正板矫正烟叶图像的颜色和光照的步骤,包括以下具体步骤:
检测颜色/光照矫正板四个端角的二维码;
定位并识别每条颜色条以及颜色条对应的每个颜色方框内的颜色,生成颜色/光照矫正查找表;
根据颜色/光照矫正查找表矫正烟叶图像的颜色和光照。
其进一步技术方案为:定位并识别每条颜色条以及颜色条对应的每个颜色方框内的颜色,生成颜色/光照矫正查找表的步骤,包括以下具体步骤:
对每条颜色条以及颜色条对应的每个颜色方框内的颜色进行采样,获取颜色采样值;
根据颜色采样值,并基于最小二乘拟合建立颜色/光照矫正查找表。
其进一步技术方案为:提取矫正后的图像中的评级参数的步骤,包括以下具体步骤:
分割并提取校正后的图像中的烟叶区域;
提取烟叶区域内的颜色、纹理和形状特征。
本发明还提供了基于视觉识别和光照矫正的烟叶评级***,包括图像获取单元、矫正单元、参数提取单元以及评级单元;
所述图像获取单元,用于获取烟叶图像;
所述矫正单元,用于利用颜色/光照矫正板矫正烟叶图像的颜色和光照;
所述参数提取单元,用于提取矫正后的图像中的评级参数;
所述评级单元,用于根据评级参数预测当前烟叶的等级。
其进一步技术方案为:所述***还包括制备单元;
所述制备单元,用于制备颜色/光照矫正板。
其进一步技术方案为:所述矫正单元包括检测模块、定位识别模块以及矫正处理模块;
所述检测模块,用于检测颜色/光照矫正板四个端角的二维码;
所述定位识别模块,用于定位并识别每条颜色条以及颜色条对应的每个颜色方框内的颜色,生成颜色/光照矫正查找表;
所述矫正处理模块,用于根据颜色/光照矫正查找表矫正烟叶图像的颜色和光照。
其进一步技术方案为:所述定位识别模块包括采样子模块以及拟合子模块;
所述采样子模块,用于对每条颜色条以及颜色条对应的每个颜色方框内的颜色进行采样,获取颜色采样值;
所述拟合子模块,用于根据颜色采样值,并基于最小二乘拟合建立颜色/光照矫正查找表。
本发明与现有技术相比的有益效果是:本发明的基于视觉识别和光照矫正的烟叶评级方法,通过获取烟叶图像,对烟叶图像进行光照和颜色的矫正,并采用计算机视觉识别的方式,转换图像的颜色空间,提取颜色特征,依据训练好的模型预测烟叶的等级,该方法可集成于移动终端上,实现在线的烟叶评级,携带方便且实用简单,不需要严格控制光照明暗、颜色以及不需要昂贵的成像设备,普通光照环境和手机摄像头也可以实现烟叶的评级,成本较低。
下面结合附图和具体实施例对本发明作进一步描述。
附图说明
图1为本发明具体实施例提供的基于视觉识别和光照矫正的烟叶评级方法的流程图;
图2为本发明具体实施例提供的利用颜色/光照矫正板矫正烟叶图像的颜色和光照的流程图;
图3为本发明具体实施例提供的生成颜色/光照矫正查找表的流程图;
图4为本发明具体实施例提供的提取矫正后的图像中的评级参数的流程图;
图5为本发明具体实施例提供的获取颜色采样值的示意图;
图6为本发明具体实施例提供的光照/颜色矫正的示意图;
图7为本发明具体实施例提供的初步分割的示意图;
图8为本发明具体实施例提供的对图像进行光照和颜色矫正和精确分割的示意图;
图9为本发明具体实施例提供的基于视觉识别和光照矫正的烟叶评级***的结构框图;
图10为本发明具体实施例提供的矫正单元的结构框图;
图11为本发明具体实施例提供的定位识别模块的结构框图;
图12为本发明具体实施例提供的参数提取单元的结构框图;
图13为本发明具体实施例提供的颜色/光照矫正板的结构框图。
具体实施方式
为了更充分理解本发明的技术内容,下面结合具体实施例对本发明的技术方案进一步介绍和说明,但不局限于此。
如图1~13所示的具体实施例,本实施例提供的基于视觉识别和光照矫正的烟叶评级方法,可以集成在移动终端上,实现在线的烟叶评级,携带方便且实用简单,不需要严格控制光照明暗、颜色以及不需要昂贵的成像设备,普通光照环境和手机摄像头也可以实现烟叶的评级,成本较低。
如图1所示,本实施例提供了基于视觉识别和光照矫正的烟叶评级方法,该方法包括:
S1、获取烟叶图像;
S2、利用颜色/光照矫正板矫正烟叶图像的颜色和光照;
S3、提取矫正后的图像中的评级参数;
S4、根据评级参数预测当前烟叶的等级。
另外,在某些实施例中,上述的方法还包括:
制备颜色/光照矫正板。
具体地,制备颜色/光照矫正板的步骤,包括以下具体步骤:
设置颜色/光照矫正板四个端角的二维码;
设置颜色/光照矫正板的两条间隔布置的水平的颜色条;
设置两条颜色条之间的留白区域。
其中,如图13所示,左右上下四个角是二维码,用以定位颜色条和辅助烟叶图像区域提取,上下两条颜色条包含了12种不同的已知颜色,用以矫正不同摄像头在不同环境光下的成像颜色空间,上下两条颜色条中间为留白,用以放置待评级的青/干烟叶,以此对照矫正图像,实现高精度的图像评级。
对于上述的S1步骤,具体采用摄像单元拍摄烟叶图像,该摄像单元可以为手机或者其他移动终端的摄像头,或者是专业的摄像机,烟叶图像为带有矫正板和烟叶的原始图片。
更进一步地,对于上述的S2步骤,有助于纠正普通光照环境和手机摄像头的拍摄缺点,提高评级精准率。
在某些实施例中,上述的S2步骤,利用颜色/光照矫正板矫正烟叶图像的颜色和光照的步骤,包括以下具体步骤:
S21、检测颜色/光照矫正板四个端角的二维码;
S22、定位并识别每条颜色条以及颜色条对应的每个颜色方框内的颜色,生成颜色/光照矫正查找表;
S23、根据颜色/光照矫正查找表矫正烟叶图像的颜色和光照。
对于上述的S21步骤,有助于定位颜色条和辅助烟叶图像区域提取。
优选地,对于上述的S22步骤,定位并识别每条颜色条以及颜色条对应的每个颜色方框内的颜色,生成颜色/光照矫正查找表的步骤,包括以下具体步骤:
S221、对每条颜色条以及颜色条对应的每个颜色方框内的颜色进行采样,获取颜色采样值;
S222、根据颜色采样值,并基于最小二乘拟合建立颜色/光照矫正查找表。
对于上述的S221步骤,对上下两条颜色条的24个颜色方框内的颜色码分别采样,重点在于采样红色通道的颜色采样值,其中红色通道采样值如图5所示,呈现非线性。
对于上述的S222步骤,基于最小二乘拟合建立颜色/光照矫正查找表,使红色通道采样值以及查找表线性化,基于最小二乘拟合的公式如下:
其中x是颜色采样值,y是其对应的线性化后的真实值,a为代拟合的参数。参数拟合后,建立颜色/光照矫正查找表,以便实现快速地在线颜色矫正。
对于S23步骤,矫正结果可参照图6。
更进一步地,在某些实施例中,对于上述的S3步骤,提取矫正后的图像中的评级参数的步骤,包括以下具体步骤:
S31、分割并提取校正后的图像中的烟叶区域;
S32、提取烟叶区域内的颜色、纹理和形状特征。
对于上述的S31步骤,先进行初步分割后,再进行光照和颜色矫正和精确分割,分别如图7至图8所示,初步分割目的在于去掉二维码和颜色条,以便于减少干扰,对烟叶区域内的参数进行精准的提取。进行光照和颜色矫正和精确分割,有助于纠正普通光照环境和手机摄像头的拍摄缺点,提高评级精准率。
另外,对于上述的S32步骤,图像的颜色空间从RGB转到HSV,提取颜色特征。颜色空间转换操作如下:
V=max(R,G,B); 其中R,G,B为原图像RGB颜色空间的红、绿、蓝三通道值,V、S、H为转换后HSV颜色空间的明度、饱和度、色相三通道值。
对于上述的S4步骤,在本实施例中,可以根据评级参数直接得出等级,也可以根据多个实际数据形成的已经训练好的模型,输入评级参数,获取当前烟叶的等级。如图7与图8所示的烟叶等级为C1F。
上述的基于视觉识别和光照矫正的烟叶评级方法,通过获取烟叶图像,对烟叶图像进行光照和颜色的矫正,并采用计算机视觉识别的方式,转换图像的颜色空间,提取颜色特征,依据训练好的模型预测烟叶的等级,该方法可集成于移动终端上,实现在线的烟叶评级,携带方便且实用简单,不需要严格控制光照明暗、颜色以及不需要昂贵的成像设备,普通光照环境和手机摄像头也可以实现烟叶的评级,成本较低。
如图9所示,本实施例还提供了基于视觉识别和光照矫正的烟叶评级***,其包括图像获取单元1、矫正单元2、参数提取单元3以及评级单元4。
图像获取单元1,用于获取烟叶图像。
矫正单元2,用于利用颜色/光照矫正板矫正烟叶图像的颜色和光照。
参数提取单元3,用于提取矫正后的图像中的评级参数。
评级单元4,用于根据评级参数预测当前烟叶的等级。
另外,在某些实施例中,上述的***还包括制备单元。
制备单元,用于制备颜色/光照矫正板。
制备单元包括二维码设置模块、颜色条设置模块以及留白区域设置模块;二维码设置模块,用于设置颜色/光照矫正板四个端角的二维码;
颜色条设置模块,用于设置颜色/光照矫正板的两条间隔布置的水平的颜色条;
留白区域设置模块,用于设置两条颜色条之间的留白区域。
如图13所示的颜色/光照矫正板,左右上下四个角是二维码,用以定位颜色条和辅助烟叶图像区域提取,上下两条颜色条包含了12种不同的已知颜色,用以矫正不同摄像头在不同环境光下的成像颜色空间,上下两条颜色条中间为留白,用以放置待评级的青/干烟叶,以此对照矫正图像,实现高精度的图像评级。
另外,上述的图像获取单元1为摄像结构,该摄像结构可以为手机或者其他移动终端的摄像头,或者是专业的摄像机,烟叶图像为带有矫正板和烟叶的原始图片。
更进一步地,在某些实施例中,上述的矫正单元2有助于纠正普通光照环境和手机摄像头的拍摄缺点,提高评级精准率。该矫正单元2包括检测模块21、定位识别模块22以及矫正处理模块23。
检测模块21,用于检测颜色/光照矫正板四个端角的二维码。有助于定位颜色条和辅助烟叶图像区域提取。
定位识别模块22,用于定位并识别每条颜色条以及颜色条对应的每个颜色方框内的颜色,生成颜色/光照矫正查找表。
矫正处理模块23,用于根据颜色/光照矫正查找表矫正烟叶图像的颜色和光照。
另外,更进一步地,在某些实施例中,定位识别模块22包括采样子模块221以及拟合子模块222。
采样子模块221,用于对每条颜色条以及颜色条对应的每个颜色方框内的颜色进行采样,获取颜色采样值。对上下两条颜色条的24个颜色方框内的颜色码分别采样,重点在于采样红色通道的颜色采样值,其中红色通道采样值如图5所示,呈现非线性。
拟合子模块222,用于根据颜色采样值,并基于最小二乘拟合建立颜色/光照矫正查找表。基于最小二乘拟合建立颜色/光照矫正查找表,使红色通道采样值以及查找表线性化,基于最小二乘拟合的公式如下:
其中x是颜色采样值,y是其对应的线性化后的真实值,a为代拟合的参数。参数拟合后,建立颜色/光照矫正查找表,以便实现快速地在线颜色矫正,矫正结果可参照图6。
另外,在某些实施例中,上述的参数提取单元3包括分割模块31以及提取模块32。
分割模块31,用于分割并提取校正后的图像中的烟叶区域。先进行初步分割后,再进行光照和颜色矫正和精确分割,分别如图7至图8所示,初步分割目的在于去掉二维码和颜色条,以便于减少干扰,对烟叶区域内的参数进行精准的提取。进行光照和颜色矫正和精确分割,有助于纠正普通光照环境和手机摄像头的拍摄缺点,提高评级精准率。
提取模块32,用于提取烟叶区域内的颜色、纹理和形状特征。具体地,是将图像的颜色空间从RGB转到HSV,提取颜色特征。颜色空间转换操作如下:
V=max(R,G,B); 其中R,G,B为原图像RGB颜色空间的红、绿、蓝三通道值,V、S、H为转换后HSV颜色空间的明度、饱和度、色相三通道值。
对于上述的评级单元4,在本实施例中,可以根据评级参数直接得出等级,也可以根据多个实际数据形成的已经训练好的模型,输入评级参数,获取当前烟叶的等级。如图7与图8所示的烟叶等级为C1F。
本实施例还提供了基于视觉识别的光照矫正的烟叶评级***,一个或多个处理器,存储器,以及,一个或多个程序,该一个或多个程序存储于存储器中,且被配置为可被所述处理器读取执行,所述一个或多个程序包括可用于执行以下步骤的指令:
获取烟叶图像;
利用颜色/光照矫正板矫正烟叶图像的颜色和光照;
提取矫正后的图像中的评级参数;
根据评级参数预测当前烟叶的等级。
该处理器执行时还包括上述方法实施例中记载的任何应用的基于视觉识别和光照矫正的烟叶评级方法的部分或全部步骤。
上述的基于视觉识别和光照矫正的烟叶评级***,通过获取烟叶图像,对烟叶图像进行光照和颜色的矫正,并采用计算机视觉识别的方式,转换图像的颜色空间,提取颜色特征,依据训练好的模型预测烟叶的等级,该方法可集成于移动终端上,实现在线的烟叶评级,携带方便且实用简单,不需要严格控制光照明暗、颜色以及不需要昂贵的成像设备,普通光照环境和手机摄像头也可以实现烟叶的评级,成本较低。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明的各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器中,即计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
上述仅以实施例来进一步说明本发明的技术内容,以便于读者更容易理解,但不代表本发明的实施方式仅限于此,任何依本发明所做的技术延伸或再创造,均受本发明的保护。本发明的保护范围以权利要求书为准。
Claims (10)
1.基于视觉识别和光照矫正的烟叶评级方法,其特征在于,所述方法包括:
获取烟叶图像;
利用颜色/光照矫正板矫正烟叶图像的颜色和光照;
提取矫正后的图像中的评级参数;
根据评级参数预测当前烟叶的等级。
2.根据权利要求1所述的基于视觉识别和光照矫正的烟叶评级方法,其特征在于,所述方法还包括:
制备颜色/光照矫正板。
3.根据权利要求2所述的基于视觉识别和光照矫正的烟叶评级方法,其特征在于,制备颜色/光照矫正板的步骤,包括以下具体步骤:
设置颜色/光照矫正板四个端角的二维码;
设置颜色/光照矫正板的两条间隔布置的水平的颜色条;
设置两条颜色条之间的留白区域。
4.根据权利要求1至3任一项所述的基于视觉识别和光照矫正的烟叶评级方法,其特征在于,利用颜色/光照矫正板矫正烟叶图像的颜色和光照的步骤,包括以下具体步骤:
检测颜色/光照矫正板四个端角的二维码;
定位并识别每条颜色条以及颜色条对应的每个颜色方框内的颜色,生成颜色/光照矫正查找表;
根据颜色/光照矫正查找表矫正烟叶图像的颜色和光照。
5.根据权利要求5所述的基于视觉识别和光照矫正的烟叶评级方法,其特征在于,定位并识别每条颜色条以及颜色条对应的每个颜色方框内的颜色,生成颜色/光照矫正查找表的步骤,包括以下具体步骤:
对每条颜色条以及颜色条对应的每个颜色方框内的颜色进行采样,获取颜色采样值;
根据颜色采样值,并基于最小二乘拟合建立颜色/光照矫正查找表。
6.根据权利要求5所述的基于视觉识别和光照矫正的烟叶评级方法,其特征在于,提取矫正后的图像中的评级参数的步骤,包括以下具体步骤:
分割并提取校正后的图像中的烟叶区域;
提取烟叶区域内的颜色、纹理和形状特征。
7.基于视觉识别和光照矫正的烟叶评级***,其特征在于,包括图像获取单元、矫正单元、参数提取单元以及评级单元;
所述图像获取单元,用于获取烟叶图像;
所述矫正单元,用于利用颜色/光照矫正板矫正烟叶图像的颜色和光照;
所述参数提取单元,用于提取矫正后的图像中的评级参数;
所述评级单元,用于根据评级参数预测当前烟叶的等级。
8.根据权利要求7所述的基于视觉识别和光照矫正的烟叶评级***,其特征在于,所述***还包括制备单元;
所述制备单元,用于制备颜色/光照矫正板。
9.根据权利要求8所述的基于视觉识别和光照矫正的烟叶评级***,其特征在于,所述矫正单元包括检测模块、定位识别模块以及矫正处理模块;
所述检测模块,用于检测颜色/光照矫正板四个端角的二维码;
所述定位识别模块,用于定位并识别每条颜色条以及颜色条对应的每个颜色方框内的颜色,生成颜色/光照矫正查找表;
所述矫正处理模块,用于根据颜色/光照矫正查找表矫正烟叶图像的颜色和光照。
10.根据权利要求9所述的基于视觉识别和光照矫正的烟叶评级***法,其特征在于,所述定位识别模块包括采样子模块以及拟合子模块;
所述采样子模块,用于对每条颜色条以及颜色条对应的每个颜色方框内的颜色进行采样,获取颜色采样值;
所述拟合子模块,用于根据颜色采样值,并基于最小二乘拟合建立颜色/光照矫正查找表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810355963.1A CN108416782B (zh) | 2018-04-19 | 2018-04-19 | 基于视觉识别和光照矫正的烟叶评级方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810355963.1A CN108416782B (zh) | 2018-04-19 | 2018-04-19 | 基于视觉识别和光照矫正的烟叶评级方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108416782A true CN108416782A (zh) | 2018-08-17 |
CN108416782B CN108416782B (zh) | 2023-09-26 |
Family
ID=63134234
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810355963.1A Active CN108416782B (zh) | 2018-04-19 | 2018-04-19 | 基于视觉识别和光照矫正的烟叶评级方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108416782B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109887055A (zh) * | 2019-02-27 | 2019-06-14 | 云南省烟草公司昆明市公司 | 一种仿真烟叶图像的生成方法和装置 |
CN110763631A (zh) * | 2019-11-02 | 2020-02-07 | 泰州悦诚科技信息咨询中心 | 验收等级数据现场测量***以及相应终端 |
CN110893399A (zh) * | 2018-09-13 | 2020-03-20 | 云南佳叶现代农业发展有限公司 | 基于视觉识别的智能烟叶分级分拣设备及分拣方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103079076A (zh) * | 2013-01-22 | 2013-05-01 | 无锡鸿图微电子技术有限公司 | 自适应伽玛校正曲线的色彩校正矩阵的产生方法及装置 |
CN103076288A (zh) * | 2012-12-26 | 2013-05-01 | 中国科学院海洋研究所 | 一种基于计算机视觉的鱼肉自动分级装置和方法 |
CN104457842A (zh) * | 2014-11-10 | 2015-03-25 | 江苏大学 | 基于高光谱同步扫描成像技术的凤梨无损检测装置及方法 |
CN104820970A (zh) * | 2015-04-15 | 2015-08-05 | 北京空间机电研究所 | 基于在轨分类统计的红外影像相对辐射矫正方法 |
CN104935900A (zh) * | 2014-03-19 | 2015-09-23 | 智原科技股份有限公司 | 图像感测装置及色彩校正矩阵修正方法与查找表建立方法 |
CN105453135A (zh) * | 2013-05-23 | 2016-03-30 | 生物梅里埃公司 | 用于从对象的图像生成立体地形图的方法、***和计算机程序产品 |
CN106412416A (zh) * | 2016-06-16 | 2017-02-15 | 深圳市金立通信设备有限公司 | 一种图像处理方法、设备及*** |
CN106446968A (zh) * | 2016-11-22 | 2017-02-22 | 湖北民族学院 | 基于fpga的烟叶自动分级*** |
JP2017138513A (ja) * | 2016-02-04 | 2017-08-10 | 株式会社リコー | 画像処理装置、画像形成装置、画像処理システム、画像処理方法、および画像処理プログラム |
CN107730471A (zh) * | 2017-10-26 | 2018-02-23 | 北京农业智能装备技术研究中心 | 一种针对秧苗长势监测的叶片图像色彩矫正方法和装置 |
-
2018
- 2018-04-19 CN CN201810355963.1A patent/CN108416782B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103076288A (zh) * | 2012-12-26 | 2013-05-01 | 中国科学院海洋研究所 | 一种基于计算机视觉的鱼肉自动分级装置和方法 |
CN103079076A (zh) * | 2013-01-22 | 2013-05-01 | 无锡鸿图微电子技术有限公司 | 自适应伽玛校正曲线的色彩校正矩阵的产生方法及装置 |
CN105453135A (zh) * | 2013-05-23 | 2016-03-30 | 生物梅里埃公司 | 用于从对象的图像生成立体地形图的方法、***和计算机程序产品 |
CN104935900A (zh) * | 2014-03-19 | 2015-09-23 | 智原科技股份有限公司 | 图像感测装置及色彩校正矩阵修正方法与查找表建立方法 |
CN104457842A (zh) * | 2014-11-10 | 2015-03-25 | 江苏大学 | 基于高光谱同步扫描成像技术的凤梨无损检测装置及方法 |
CN104820970A (zh) * | 2015-04-15 | 2015-08-05 | 北京空间机电研究所 | 基于在轨分类统计的红外影像相对辐射矫正方法 |
JP2017138513A (ja) * | 2016-02-04 | 2017-08-10 | 株式会社リコー | 画像処理装置、画像形成装置、画像処理システム、画像処理方法、および画像処理プログラム |
CN106412416A (zh) * | 2016-06-16 | 2017-02-15 | 深圳市金立通信设备有限公司 | 一种图像处理方法、设备及*** |
CN106446968A (zh) * | 2016-11-22 | 2017-02-22 | 湖北民族学院 | 基于fpga的烟叶自动分级*** |
CN107730471A (zh) * | 2017-10-26 | 2018-02-23 | 北京农业智能装备技术研究中心 | 一种针对秧苗长势监测的叶片图像色彩矫正方法和装置 |
Non-Patent Citations (2)
Title |
---|
DI WU等: "Colour measurements by computer vision for food quality control – A review", vol. 29, no. 1, pages 5 - 20, XP028975093, DOI: 10.1016/j.tifs.2012.08.004 * |
张喜红: "基于BP神经网络的西洋参等级分类方法研究", vol. 26, no. 4, pages 322 - 326 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110893399A (zh) * | 2018-09-13 | 2020-03-20 | 云南佳叶现代农业发展有限公司 | 基于视觉识别的智能烟叶分级分拣设备及分拣方法 |
CN109887055A (zh) * | 2019-02-27 | 2019-06-14 | 云南省烟草公司昆明市公司 | 一种仿真烟叶图像的生成方法和装置 |
CN110763631A (zh) * | 2019-11-02 | 2020-02-07 | 泰州悦诚科技信息咨询中心 | 验收等级数据现场测量***以及相应终端 |
CN110763631B (zh) * | 2019-11-02 | 2020-08-14 | 台州雪华制冷设备有限公司 | 验收等级数据现场测量***以及相应终端 |
Also Published As
Publication number | Publication date |
---|---|
CN108416782B (zh) | 2023-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mavridaki et al. | A comprehensive aesthetic quality assessment method for natural images using basic rules of photography | |
CN108206917B (zh) | 图像处理的方法及装置、存储介质、电子装置 | |
CN103699532B (zh) | 图像颜色检索方法和*** | |
CN104636759B (zh) | 一种获取图片推荐滤镜信息的方法及图片滤镜信息推荐*** | |
CN110210387B (zh) | 基于知识图谱的绝缘子目标检测方法、***、装置 | |
CN106384117B (zh) | 一种车辆颜色识别方法及装置 | |
US20160155241A1 (en) | Target Detection Method and Apparatus Based On Online Training | |
CN108280426B (zh) | 基于迁移学习的暗光源表情识别方法及装置 | |
CN107220664B (zh) | 一种基于结构化随机森林的油瓶装箱清点方法 | |
CN108416782A (zh) | 基于视觉识别和光照矫正的烟叶评级方法及*** | |
CN104504722B (zh) | 一种利用灰色点校正图像颜色的方法 | |
CN108320294B (zh) | 一种二代身份证照片的人像背景智能全自动替换方法 | |
CN103366178A (zh) | 一种用于对目标图像进行颜色分类的方法与设备 | |
Li et al. | Estimating visual saliency through single image optimization | |
CN114594114A (zh) | 一种锂电芯全自动在线无损检测方法 | |
CN104951440B (zh) | 一种图像处理方法及电子设备 | |
CN103929629B (zh) | 一种基于图像主要颜色的图像处理方法 | |
CN113450297A (zh) | 红外图像和可见光图像的融合模型构建方法及*** | |
Wang et al. | The research of ear identification based on improved algorithm of moment invariant | |
CN111738964A (zh) | 一种基于建模的图像数据增强的方法 | |
US8712161B2 (en) | Image manipulating system and method | |
JP3962517B2 (ja) | 顔面検出方法及びその装置、コンピュータ可読媒体 | |
CN110619358A (zh) | 基于多组k分类的卷积特征谱的图像可判别区域联合提取方法 | |
CN112560706B (zh) | 一种多源卫星图像水体目标识别方法及装置 | |
CN103020995B (zh) | 一种适用于在视频中搜索目标的物件特征对比方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |