CN118196072A - 一种测量烟丝宽度的方法、电子设备及存储介质 - Google Patents
一种测量烟丝宽度的方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN118196072A CN118196072A CN202410421386.7A CN202410421386A CN118196072A CN 118196072 A CN118196072 A CN 118196072A CN 202410421386 A CN202410421386 A CN 202410421386A CN 118196072 A CN118196072 A CN 118196072A
- Authority
- CN
- China
- Prior art keywords
- tobacco
- width
- tobacco shred
- measuring
- shred
- 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.)
- Pending
Links
- 241000208125 Nicotiana Species 0.000 title claims abstract description 177
- 235000002637 Nicotiana tabacum Nutrition 0.000 title claims abstract description 177
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000003860 storage Methods 0.000 title claims abstract description 8
- 238000005259 measurement Methods 0.000 claims abstract description 29
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 25
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 230000011218 segmentation Effects 0.000 claims abstract description 8
- 230000000877 morphologic effect Effects 0.000 claims abstract description 7
- 238000001914 filtration Methods 0.000 claims description 31
- 238000010586 diagram Methods 0.000 claims description 19
- 230000009466 transformation Effects 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 6
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 238000005520 cutting process Methods 0.000 abstract description 3
- 238000007689 inspection Methods 0.000 abstract description 3
- 238000000691 measurement method Methods 0.000 abstract 1
- 230000006872 improvement Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 210000003275 diaphysis Anatomy 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种测量烟丝宽度的方法、电子设备及存储介质,所述方法基于OpenCV计算机视觉库,包括烟丝分割、烟丝结构提取和烟丝宽度测量;使用形态学方法,将原始图像转换为前景待测量烟丝的前景掩膜图;并结构化烟丝的几何信息,确定宽度的测量位置得到每个点为所在烟丝的骨干点的点云图,再获得每根烟丝的待测宽度集合L;对每根烟丝的待测宽度集合L,使用梯度极值测量法,得到每处的烟丝宽度。本发明获取真实有效的数据,对切丝机设备运行状态进行数字化转化,监控生产质量,实现了烟丝质检环节的自动化和信息化。
Description
技术领域
本发明涉及烟丝宽度测量技术领域,具体的说,是一种测量烟丝宽度的方法、电子设备及存储介质。
背景技术
烟丝宽度是烟草行业很重要的工艺质量指标。烟丝宽度传统的测试方法是人工手段去测量烟丝宽度,此方法工作效率极低,也不精确。近年来,随着现代化工厂、“黑灯工厂”、“智能工厂”的要求,烟丝宽度在线视觉检测***通过智能化的手段,辅以摄像头、算法、服务器、控制软件,实现自动检测每一个批次的烟丝的宽度、是否符合要求、是否需要发送警告、并通过所见即所得的大屏数据显示和实时测量数据存储提供其他需要的***。
然而,实际情况是切丝机设备切出的烟丝,形状大小并不是都是一致且均匀的;尤其存在着工艺要求小于1.5mm的小叶片通过旁路进入生产时。现有的算法只是获取了众多数据,采用平均值推送数据,弱化或屏蔽了设备实际状态,数据是否真实的反映了被测烟丝的现状和切丝机设备的运行状态,就需要对算法进行重新设计、优化,对这些数据进行筛选。
发明内容
本发明的目的在于提供一种测量烟丝宽度的方法、电子设备及存储介质,用于解决现有算法采用平均值推送数据的方式,弱化或屏蔽了设备实际状态,导致测量数据不够真实的问题,将所获数据真正反映被测物的实际情况,通过被测物筛选后的数据,得知切丝机设备运行的实际现状,为设备的有效反馈控制建立信息基础。
本发明通过下述技术方案解决上述问题:
一种测量烟丝宽度的方法,基于OpenCV计算机视觉库,包括烟丝分割、烟丝结构提取和烟丝宽度测量;
A、烟丝分割,用于从密集堆叠的烟丝图像中寻找形态完整,便于测量的烟丝样本;
使用形态学方法,将RGB通道的原始图像转换为单通道的灰度图,给定大小为s的结构元对灰度图进行顶帽变换得到顶帽变换灰度图,增强明暗对比,使用最大类间方差法将顶帽变换灰度图二值化,得到分割出前景待测量烟丝的前景掩膜图;
B、烟丝结构提取,用于结构化烟丝的几何信息,确定宽度的测量位置;
对前景掩膜图进行L2距离变换,得到每个前景像素到最近背景像素的L2距离图,并计算相邻像素之间对应距离值的梯度,得到梯度图;再给定阈值t,提取梯度图中所有像素值小于t的像素位置,得到每个点为所在烟丝的骨干点的点云图;
点云图中的所有骨干点依序连接得到每根烟丝的骨干,获得烟丝骨干图;对骨干上的每一个点pi,以pi为中心、以pi对应的L2距离为半径、以pi的两个相邻骨干点pi-1和pi+1的连线为切线,过pi处做连线的法线得到点pi处烟丝宽度的测量线图,对测量线图上的烟丝宽度进行测量得到烟丝宽度图,以获得每根烟丝的待测宽度集合L={l1,l2,li,…,ln};
C、烟丝宽度测量,对每根烟丝的待测宽度集合L,使用梯度极值测量法,得到每处的烟丝宽度。
作为对该方法的进一步改进,所述点云图中的所有骨干点依序连接通过聚类和贪心算法实现。
作为对该方法的进一步改进,所述烟丝宽度测量的所述梯度极值测量法为:对每根烟丝的待测宽度集合L,提取每条测量线li对应灰度图上的像素序列Pi,并计算Pi的梯度,取梯度最大位置和梯度最小位置为烟丝在测量线上的边缘,计算梯度最大位置和梯度最小位置的距离得到该处的烟丝宽度。
作为对该方法的进一步改进,所述方法还包括数据筛选,所数据筛选包括在测量线图中完成的数据采样、通过烟丝形态特征与测量数据分布进行的数据过滤、以及进行数据统计输出代表图片测量宽度的单一结果。
作为对该方法的进一步改进,过烟丝形态特征与测量数据分布进行的所述数据过滤,包括烟丝长度过滤、骨干点均匀性过滤、轴线曲率过滤、方差过滤、极差过滤和Top-N过滤。
作为对该方法的进一步改进,进行数据统计输出代表图片测量宽度的单一结果,所述数据统计方法为读数均值统计、烟丝均值统计、核密度估计统计或众数统计。
同时,本发明通过下述技术方案解决上述问题:
一种电子设备,包括存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述电子设备执行如上所述一种测量烟丝宽度的方法。
另外,本发明还通过下述技术方案解决上述问题:
一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,所述指令被处理器执行时实现如上所述一种测量烟丝宽度的方法。
本发明与现有技术相比,具有以下优点及有益效果:
本发明进行重新设计、优化,获取真实有效的数据,对切丝机设备运行状态进行数字化转化,达到通过光学相机拍摄烟丝图片,并结合计算机视觉和深度学习技术实时计算烟丝宽度分布,监控生产质量,实现了烟丝质检环节的自动化和信息化的功能。
并将所获数据真正反映被测物的实际情况,通过被测物筛选后的数据,得知切丝机设备运行的实际现状,为设备的有效反馈控制建立信息基础。
附图说明
图1为本发明一种测量烟丝宽度的方法的流程示意图。
图2为本发明烟丝分割的烟丝图片变化过程示意图;
图3为本发明烟丝结构提取的烟丝图片变化过程示意图一;
图4为本发明烟丝结构提取的烟丝图片变化过程示意图二;
图5为本发明烟丝宽度测量的测量线、像素值和梯度示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例
结合附图1所示,一种测量烟丝宽度的方法,基于OpenCV计算机视觉库,至少包括烟丝分割、烟丝结构提取和烟丝宽度测量三个步骤,能够全自动地分割烟丝位置,并密集测量宽度、计算结果;
本实施例中,烟丝分割,用于从密集堆叠的烟丝图像中寻找形态完整、便于测量的烟丝样本,具体步骤为:使用形态学方法,首先将图2的(a)所示RGB通道的原始图像转换为图2的(b)所示单通道的灰度图;然后使用给定大小为s的结构元对灰度图进行顶帽变换得到图2的(c)所示顶帽变换灰度图;增强明暗对比,最后使用最大类间方差法将顶帽变换灰度图二值化,得到分割出图2的(d)所示前景待测量烟丝的前景掩膜图。
烟丝结构提取,用于结构化烟丝的形状、方向等几何信息,进而确定宽度的测量位置。具体步骤为:首先对图3的(d)所示前景掩膜图进行L2距离变换,得到图3的(e)所示每个前景像素到最近背景像素的L2距离,并计算相邻像素之间对应距离值的梯度,得到图3的(f)所示梯度图。在此基础上,给定阈值t,提取梯度图中所有像素值小于t的像素位置,得到图3的(g)所示点云图,点云图中每个点即为所在烟丝的骨干点。
点云图中的所有骨干点通过聚类和贪心算法依序连接,即可得到每根烟丝的骨干,获得图4的(h)所示烟丝骨干图;对于骨干上的每一个点pi,以pi为中心、以pi对应的L2距离为半径、以pi的两个相邻骨干点pi-1和pi+1的连线为切线,过pi处做连线的法线得到图4的(i)所示该点处烟丝宽度的测量线图,对测量线图上的烟丝宽度进行测量进而得到图4的(j)所示烟丝宽度图,以获得每根烟丝的待测宽度集合L={l1,l2,li,…,ln}。
烟丝宽度测量,使用梯度极值测量法,对每根烟丝的待测距离集合L,提取其中每条测量线li对应灰度图图2的(b)所示上的像素序列Pi,并计算Pi的梯度,取梯度最大位置和梯度最小位置为该烟丝在该测量线上的边缘,计算二者距离得到该处的烟丝宽度,参照附图5,图5的(k)为测量线图,图5的(l)为像素值图,图5的(m)为梯度图。
通过以上三步,该方法可以快速、准确的得到输入图像上多条烟丝各自的多个宽度测量值。
在另外一个实施例中,参照附图1,一种测量烟丝宽度的方法,还包括数据筛选,其中,数据筛选包括数据采样、数据过滤与数据统计三部分,
数据采样,以一种合理、可信、稳定的方式从图片中选取用于测量的烟丝样本与测量位置,该过程应该是可解释、可复现的。该部分在测量线图中完成,具体来说,烟丝结构提取将烟丝抽象为一条包含若干骨干点的一维曲线,所有点均匀分布在烟丝的轴线上,每个点对应一个局部宽度,共同组成烟丝的原始宽度分布。骨干点的密度间接通过缩放系数s控制,当s变化时,采样率跟随变化,但宽度分布保持不变。
基于骨干点的采样方法提供了可分析的结构化数据,在此基础上,需要通过数据过滤消除大量噪声干扰。实施例一的方法会无差别的输出所有检测到的烟丝的宽度结果,但实验表明,其中超过90%的数据都属于垃圾数据,来自大量存在形态缺陷、不具备批次代表性的烟丝碎片,严重降低了识别结果的准确性。对此,本实施例通过烟丝形态特征与测量数据分布等多种条件进行数据过滤,具体包括:
烟丝长度过滤:烟丝长度与残损概率负相关,越长的烟丝越能代表当前生产批次的真实宽度,若烟丝长度H小于给定长度阈值,则舍去。烟丝长度计算方式如下:
其中,n为骨干点数量,xi、yi分别为骨干点的横纵坐标,H为烟丝长度。
骨干点均匀性过滤:骨干点位置与烟丝宽度变化有关,分布越均匀,表明烟丝宽度越均一,残损或变形的概率越低,计算方式如下:
其中,n为骨干点数量,xi、yi分别为骨干点的横纵坐标,E1表示相邻骨干点的平均距离,E2表示相邻骨干点的最大距离。若E1和E2均大于相应的相邻骨干点的平均距离和最大距离的给定阈值,则舍去。
轴线曲率过滤:烟丝的倾斜和扭曲会影响其在镜头上的投影宽度,降低测量结果的准确性,计算方式如下:
其中,n为骨干点数量,xi、yi分别为骨干点的横纵坐标,若轴线曲率C大于轴线曲率给定阈值,则舍去。
方差过滤:烟丝宽度分布的方差反映了测量结果的可信度,方差较大的烟丝残损或变形概率较高,计算方式如下:
其中,n为骨干点数量,wi为骨干点对应宽度,为平均宽度,若方差V大于方差给定阈值,则舍去。
极差过滤:烟丝宽度的极差较大的烟丝残损或变形的概率较高,计算方式如下:
R=max(wi)-min(wi)
其中,wi为骨干点对应宽度,若极差R大于给定阈值,则舍去。
Top-N过滤:按照烟丝长度降序排列,根据给定参数取前N位。
过滤后的烟丝基本满足形态规整、姿态平正、光照充足等条件,具有较强的代表性和可信度。每根烟丝都有完整且位置均匀的测量结果,这些数据需要经过数据统计输出为单一结果,代表当前图片的测量宽度。
根据范畴不同,有以下几种数据统计方式:
读数均值统计:不区分烟丝,统一计算所有读数的平均值。
烟丝均值统计:先计算每根烟丝的平均宽度,然后计算所有烟丝的平均宽度。
核密度估计统计:先计算每根烟丝的平均宽度,然后根据烟丝宽度的概率密度函数计算峰值点宽度。
众数统计:先计算每根烟丝的平均宽度,然后计算烟丝宽度落入0.6mm-1.4mm等间隔区间内的频数,并计算最大频数区间内的烟丝到所有烟丝均值的距离,取距离最小者。
通过该发明的方法获取原始图片1秒/张,每张图片可获取烟丝样本检出量≥50个/张。再根据烟丝长度过滤掉较短烟丝,目前设定为过滤掉50%,参数可以配置;对于剩余烟丝在烟丝上取5个位置进行宽度测试,宽度最大值-宽度最小值(极差)若是超过设定阈值则过滤该烟丝,过滤阈值可以配置;并对筛选出来的烟丝宽度数据,计算其落入0.6mm-1.4mm等间隔区间内的频数,并计算最大频数区间内的烟丝到所有烟丝均值的距离,取距离最小者;推送筛选出的烟丝宽度数据,1个/秒,速度以及准确率都得到了提升。
另外,在一个实施例中,一种电子设备,包括存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述电子设备执行以上所述一种测量烟丝宽度的方法。
同时,在另一个实施例中,一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,所述指令被处理器执行时实现如上所述一种测量烟丝宽度的方法。
本发明针对算法进行重新设计、优化,获取真实有效的数据,对切丝机设备运行状态进行数字化转化,达到通过双远心光学相机拍摄烟丝图片,并结合计算机视觉和深度学习技术实时计算烟丝宽度分布,监控生产质量,实现了烟丝质检环节的自动化和信息化的功能。
尽管这里参照本发明的解释性实施例对本发明进行了描述,上述实施例仅为本发明较佳的实施方式,本发明的实施方式并不受上述实施例的限制,应该理解,本领域技术人员可以设计出很多其他的修改和实施方式,这些修改和实施方式将落在本申请公开的原则范围和精神之内。
Claims (8)
1.一种测量烟丝宽度的方法,其特征在于,基于OpenCV计算机视觉库,包括烟丝分割、烟丝结构提取和烟丝宽度测量;
A、烟丝分割,用于从密集堆叠的烟丝图像中寻找形态完整,便于测量的烟丝样本;
使用形态学方法,将RGB通道的原始图像转换为单通道的灰度图,给定大小为s的结构元对灰度图进行顶帽变换得到顶帽变换灰度图,增强明暗对比,使用最大类间方差法将顶帽变换灰度图二值化,得到分割出前景待测量烟丝的前景掩膜图;
B、烟丝结构提取,用于结构化烟丝的几何信息,确定宽度的测量位置;
对前景掩膜图进行L2距离变换,得到每个前景像素到最近背景像素的L2距离图,并计算相邻像素之间对应距离值的梯度,得到梯度图;再给定阈值t,提取梯度图中所有像素值小于t的像素位置,得到每个点为所在烟丝的骨干点的点云图;
点云图中的所有骨干点依序连接得到每根烟丝的骨干,获得烟丝骨干图;对骨干上的每一个点pi,以pi为中心、以pi对应的L2距离为半径、以pi的两个相邻骨干点pi-1和pi+1的连线为切线,过pi处做连线的法线得到点pi处烟丝宽度的测量线图,对测量线图上的烟丝宽度进行测量得到烟丝宽度图,以获得每根烟丝的待测宽度集合L={l1,l2,li,…,ln};
C、烟丝宽度测量,对每根烟丝的待测宽度集合L,使用梯度极值测量法,得到每处的烟丝宽度。
2.根据权利要求1所述一种测量烟丝宽度的方法,其特征在于,所述点云图中的所有骨干点依序连接通过聚类和贪心算法实现。
3.根据权利要求1所述一种测量烟丝宽度的方法,其特征在于,所述烟丝宽度测量的所述梯度极值测量法为:对每根烟丝的待测宽度集合L,提取每条测量线li对应灰度图上的像素序列Pi,并计算Pi的梯度,取梯度最大位置和梯度最小位置为烟丝在测量线上的边缘,计算梯度最大位置和梯度最小位置的距离得到该处的烟丝宽度。
4.根据权利要求1所述一种测量烟丝宽度的方法,其特征在于,所述方法还包括数据筛选,所数据筛选包括在测量线图中完成的数据采样、通过烟丝形态特征与测量数据分布进行的数据过滤、以及进行数据统计输出代表图片测量宽度的单一结果。
5.根据权利要求4所述一种测量烟丝宽度的方法,其特征在于,通过烟丝形态特征与测量数据分布进行的所述数据过滤,包括烟丝长度过滤、骨干点均匀性过滤、轴线曲率过滤、方差过滤、极差过滤和Top-N过滤。
6.根据权利要求4所述一种测量烟丝宽度的方法,其特征在于,进行数据统计输出代表图片测量宽度的单一结果,所述数据统计方法为读数均值统计、烟丝均值统计、核密度估计统计或众数统计。
7.一种电子设备,其特征在于,包括存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述电子设备执行如权利要求1-6中任一项所述一种测量烟丝宽度的方法。
8.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-6中任一项所述一种测量烟丝宽度的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410421386.7A CN118196072A (zh) | 2024-04-09 | 2024-04-09 | 一种测量烟丝宽度的方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410421386.7A CN118196072A (zh) | 2024-04-09 | 2024-04-09 | 一种测量烟丝宽度的方法、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118196072A true CN118196072A (zh) | 2024-06-14 |
Family
ID=91396408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410421386.7A Pending CN118196072A (zh) | 2024-04-09 | 2024-04-09 | 一种测量烟丝宽度的方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118196072A (zh) |
-
2024
- 2024-04-09 CN CN202410421386.7A patent/CN118196072A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114419025A (zh) | 一种基于图像处理的纤维板质量评估方法 | |
CN115351598A (zh) | 一种数控机床轴承检测方法 | |
CN112699876B (zh) | 一种用于集气站多类型仪表自动读数方法 | |
CN108564085B (zh) | 一种自动读取指针式仪表读数的方法 | |
CN112149543B (zh) | 一种基于计算机视觉的建筑扬尘识别***与方法 | |
CN112215790A (zh) | 基于深度学习的ki67指数分析方法 | |
CN115311484B (zh) | 一种焊缝数据的优化聚类分割方法 | |
CN117115148B (zh) | 基于5g技术的芯片表面缺陷智能识别方法 | |
CN117333489B (zh) | 一种薄膜破损检测装置及检测*** | |
CN114972230A (zh) | 一种生产线上电路板缺陷检测方法及*** | |
CN115511814A (zh) | 一种基于兴趣区域多纹理特征融合的图像质量评价方法 | |
CN117350967B (zh) | 一种基于光学检测晶圆外观缺陷检测***及其方法 | |
CN117351472A (zh) | 烟叶信息检测方法、装置及电子设备 | |
CN112967224A (zh) | 一种基于人工智能的电子电路板检测***、方法及介质 | |
US7646892B2 (en) | Image inspecting apparatus, image inspecting method, control program and computer-readable storage medium | |
CN116645351A (zh) | 一种复杂场景的缺陷在线检测方法及*** | |
CN118196072A (zh) | 一种测量烟丝宽度的方法、电子设备及存储介质 | |
CN114283319A (zh) | 一种机车轮对踏面剥离识别方法 | |
CN114998732A (zh) | 一种植物病害严重度评估方法及装置 | |
CN114494240A (zh) | 基于多尺度协作深度学习的无砟轨道板裂缝测量方法 | |
CN116563289B (zh) | 一种基于机器视觉的贴标品质检测方法和*** | |
CN117541832B (zh) | 异常检测方法、***、电子设备及存储介质 | |
CN118095971B (zh) | 一种ad钙奶饮料加工工艺评估方法、***及介质 | |
CN115953384B (zh) | 一种烟叶形态参数在线检测和预测方法 | |
CN117474915B (zh) | 一种异常检测方法、电子设备及存储介质 |
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 |