[发明专利]一种基于机器视觉的烤后烟叶类型检测方法及系统

权利要求书

1.一种基于机器视觉的烟叶烘烤结果类型检测方法，其特征在于包括以下步骤：

(1)烟叶的图像采集：使用拍照设备收集目标烟叶图像；

(2)图像的预处理：包括图像去噪、边缘提取、背景扣除；

(3)烟叶图像颜色提取：图像处理设备通过R、G、B三种光敏传感器采集红绿蓝三色的光能量得到彩色图像，红绿蓝三色的标准差和平均值被提取出来，作为烟叶图像的颜色特征参数；和/或将HSV颜色系统H、S、V的标准差和平均值作为烟叶图像的颜色特征参数；

(4)烟叶纹理变化信息提取：将预处理后图像向灰度图像进行转化，转化方法为灰度共生矩阵法，将能量、熵、惯性矩、相关性这些纹理特征参数从每个灰度图像中提取出来，以平均参数及其标准差为烟叶图像的纹理特征；

(5)参数的获取：结合烟叶图像的颜色特征和纹理特征，从每个烟叶图像中提取特征变量作为参数；

(6)烟叶图像判别模型的构建：提取烟叶的特征，确定SVM的输入，包括其中的颜色特征的平均值及其相应的标准偏差值、纹理特征的平均值及其相应的标准偏差值；

(7)将模型录入基于移动终端的判别烤坏烟叶类型系统，对提取的烟叶图像信息进行烤坏烟类型判别，并提出相应的原因分析及措施。

2.根据权利要求1所述的方法，其特征在于步骤(2)中图像的预处理采用小波变换WT技术过滤烟叶图像，将图像数据转换为小波域，以相应的图像信息为小波系数，删除振幅小于阈值的小波系数，视为删除图像中的噪声。

3.根据权利要求2所述的方法，其特征在于步骤(2)中，小波函数的确切定义为：

设ψ(t)为一平方可积函数，即ψ(t)∈L²(R)，若其傅立叶变换ψ(ω)满足条件：

采用可分离变化的方法由一维度小波函数和尺度含糊构造所需要的二维小波函数，即：

φ(x,y)＝φ(x)φ(y)

ψ^H(x,y)＝ψ(x)φ(y)

ψ^V(x,y)＝φ(x)ψ(y)

ψ^D(x,y)＝ψ(x)ψ(y)，

其中，φ是二维尺度函数，ψ^H，ψ^V，ψ^D是3个二维小波函数，每个小波上的H表示水平方向，V表示垂直方法，D表示对角线方向，由上式给出的尺度函数和小波函数，定义一个伸缩和平移的基函数：

利用这些基函数对图像进行分解，图像在每一层上被分解成4个方向上的子带。

4.根据权利要求1所述的方法，其特征在于步骤(3)中，颜色特征是指在烟叶质量分类中，根据烟叶的品种不同，叶片生长部位不同，叶片受到光照时间的不同，所进行光合作用的程度不同，对最终烟叶叶片的颜色的影响，包括RGB模型和HSV模型，其公式为，

R,＝R/225,G,＝G/255,B,＝B/255,

Imax＝max{R,,G,,B,},Imin＝min{R,,G,,B,}

δ＝Imax-Imin

V＝I

max,

其中：H代表色相,用来表示颜色的种类,对应取值0°～360°,红色0°,绿色120°,蓝色240°；S表示饱和度,用来表示颜色的鲜艳程度,对应取值范围是0～100％；V表示亮度,用来表示颜色的明暗程度,对应取值范围是0～100％。