劉東來

基于機器視覺的煙葉自動分級方法

劉東來

（永州職業(yè)技術(shù)學(xué)院湖南永州425000）

文章分析了以機器視覺為基礎(chǔ)的煙葉自動分級方法，介紹了煙葉的等級標準和機器視覺分級技術(shù)的實現(xiàn)方式，其可以提高煙葉分級效率，簡化煙葉分級流程，降低操作成本。通過分析機器視覺技術(shù)下的煙葉自動分級方法，不斷推進煙葉自動分級技術(shù)的完善和研究，提高煙葉分級質(zhì)量，推動煙葉分級技術(shù)的發(fā)展。

機器視覺；煙葉分級；自動分級技術(shù)；模糊識別方法

隨著科技的不斷發(fā)展，煙草行業(yè)也在探索新的生產(chǎn)技術(shù)手段以推進生產(chǎn)效率、提高生產(chǎn)質(zhì)量，機器視覺煙葉自動分級技術(shù)應(yīng)運而生，并廣泛應(yīng)用于煙草企業(yè)的生產(chǎn)中。該技術(shù)的利用，不僅可以實現(xiàn)煙葉自動分級，而且可以通過機器視覺更高質(zhì)量地處理煙葉，實現(xiàn)對煙草產(chǎn)品的分級處理。下面對機器視覺的煙葉自動分級方法展開詳細的論述。

1 煙葉分級標準

結(jié)合煙草行業(yè)對煙葉的利用情況，需要在生產(chǎn)過程中對煙葉進行等級劃分，確定不同的煙葉利用結(jié)果?，F(xiàn)階段主要采用機器視覺的煙葉自動分級技術(shù)，通過判斷煙葉的外觀、形狀、顏色等性狀標準，來鑒別煙葉的等級。具體而言，確定煙葉的分級標準是結(jié)合烤煙生產(chǎn)情況進行區(qū)分，通過判斷煙葉不同部位顏色的方式，具體確定煙葉等級。通常情況下，可以從煙葉的成熟度、葉片結(jié)構(gòu)的松散度、煙葉油性成分的含量、煙葉的色度等4 個方面進行煙葉的分級。結(jié)合機器視覺技術(shù)的利用情況，在機器視覺的煙葉自動分級當中，以煙葉的外表特征為基礎(chǔ)，通過上述四個分類方面，實現(xiàn)對煙葉細胞排列方式和松散程度的標準劃分，詳細的松散程度包括了疏松、尚疏松、稍密以及精密4 個程度。

2 機器視覺的煙葉自動分級方法利用過程

結(jié)合機器視覺基礎(chǔ)下煙葉分級的標準，在煙葉自動分級方法上，通過煙葉圖像的采集、圖像信息的處理、圖像中煙葉外觀特征的提取以及煙葉識別分級等4 個步驟，由機器視覺來完成對煙葉自動分級。下面對具體的分級技術(shù)利用過程展開詳細的論述。

2.1 煙葉圖像信息的采集

在機器視覺的煙葉自動分級方法利用過程中，首先需要采集煙葉的圖像信息，從而完成對圖像中煙葉信息的具體分析和采集。但是，在采集煙葉圖像信息的過程中，還包括了煙葉樣品的選擇與圖像采集兩個環(huán)節(jié)（見圖1）。

第一，在煙葉樣品的選擇和收集上，通常是收集同一型號的烤煙，用平整玻璃壓平的方式，實現(xiàn)對煙葉樣品的隔熱、隔光保存；同時，保持每一類樣品數(shù)量的統(tǒng)一。

第二，在煙葉圖像信息的采集操作當中，則是從圖像采集設(shè)備、人工分級流程、采集方法等方面展開。具體地，基于機器視覺的特殊應(yīng)用辦法，通常需要選用一些CCD圖像傳感器、數(shù)碼相機以及掃描儀等設(shè)備，更高清、精準采集煙葉的圖像信息；在采集過程中，做好對煙葉成像質(zhì)量的控制，解決并克服各類不利因素的影響，有助于更高效和精準分析圖像結(jié)果。此后，在人工分級的處理上，則是在白天的自然光照環(huán)境下，盡可能保證同樣的自然光照，降低外界因素對于煙葉等級以及煙葉顏色等具體信息的影響。機器視覺技術(shù)的應(yīng)用，關(guān)鍵的技術(shù)要點是要克服圖像采集會受到光照強度等因素的干擾，從而獲得質(zhì)量優(yōu)秀、穩(wěn)定的成像。最后，在采集方法上，則是為了最大限度提高圖像穩(wěn)定性和成像效果，通常會對采集的煙葉堅持采集3 次以上的頻率，保障圖像信息采集的完整性。在采集煙葉圖像的過程中，還需要做到外界光線的規(guī)避，避免外界光線的介入，提高煙葉圖像采集的準確性，便于后期對煙葉的識別和準確分級。

2.2 煙葉圖像處理

當機器視覺采集完煙葉的圖像之后，就需要對采集的煙葉圖像進行后續(xù)的處理，規(guī)避并降低采集過程中各種因素的不良干擾。通常情況下，影響到機器視覺對煙葉圖像信息采集效果的因素包括光照、拍攝位置和角度等，其很容易使采集到的煙葉圖像成像質(zhì)量不穩(wěn)定，造成機器識別出現(xiàn)困難。因此，對煙葉圖像的處理，是當煙葉圖像在進入系統(tǒng)之前，通過預(yù)處理的方式，提高煙葉圖像的清晰度、減少圖像的噪點，進而提高煙葉圖像被機器識別的概率和分析的成功率。預(yù)處理的方法見圖2。

圖2　煙葉圖像預(yù)處理方法

2.2.1 噪點消除法

其中，對煙葉圖像噪點的消除，通常是利用削弱煙葉圖像濾波的形式，減少煙葉圖像當中一些邊緣區(qū)域的高頻分量，使煙葉圖像變得更加平滑，圖像局部的一些灰度起伏也更為穩(wěn)定，最終達到增強煙葉圖像質(zhì)量的效果。削弱煙葉圖像濾波的方法包括領(lǐng)域平均法和中值濾波法等具體辦法，可以高質(zhì)量完成對煙葉圖像噪點的消除。

2.2.2 圖像二值化

此外，在煙葉圖像處理當中，還可以通過二值化煙葉圖像的方式，為下一步完成對煙葉圖像外觀特征的提取奠定基礎(chǔ)。對煙葉圖像的二值化處理，是通過將圖像進行黑白兩色特殊灰度表現(xiàn)的方法，先使彩色的煙葉圖像變成灰度圖像，再轉(zhuǎn)化成為二值圖像，達到確定煙葉圖像中二值化閾值的效果。以煙葉圖像二值化閾值的結(jié)果為依據(jù)，將煙葉圖像中像素比閾值更大的數(shù)據(jù)作為判斷的目標物，將其他小于閾值的因素排除，完成背景化改造。此后，利用直方圖識別灰度二值圖像中的具體分布，完成煙葉閾值范圍的確定。在實踐中，最常見的就是對煙葉放置臺等多余的成像因素進行排除，以增加機器對煙葉信息的關(guān)鍵識別效果。

2.2.3 圖像分割法

對煙葉圖像的分割是實現(xiàn)去除煙葉圖像背景的重要方法，有助于進一步規(guī)避煙葉顏色對煙葉幾何特征提取的影響。結(jié)合煙葉圖像采集和收集的處理流程，煙葉在烤制的過程中，葉片很容易受熱而散發(fā)水分，使煙葉發(fā)生皺縮現(xiàn)象，從而在進行圖像采集時會產(chǎn)生一種較真實顏色更暗的顏色，影響到煙葉幾何特征參數(shù)提取的準確性。與此同時，收集的煙葉也可能存在一些病蟲害引起的細微病斑、采摘的機械損傷孔洞等實際情況，使煙葉圖像的顏色不夠真實。

因此，采取對煙葉圖像分割的方法，可以在有效過濾煙葉圖像濾波之后，完成前期基礎(chǔ)工作。在實踐中，常見的圖像分割方法包括生長區(qū)域分割法、閾值分割法、神經(jīng)網(wǎng)絡(luò)分割法、邊緣檢測法、顏色空間聚類技術(shù)以及模糊技術(shù)等。但是，這些圖像分割方法在利用過程中通常需要較為嚴格的狀態(tài)，對分割的對象也要求在鑒別復(fù)雜信息之后，詳細優(yōu)化圖像分割的具體算法，實現(xiàn)對不同分割方法的綜合應(yīng)用。以閾值分割法為例，其可以與區(qū)域生長分割法相結(jié)合，在統(tǒng)計圖像內(nèi)每個煙葉像素顏色屬性的具體情況下，進一步詳細區(qū)分煙葉目標的圖像與圖像拍攝背景，解決圖像分割所具有的不連續(xù)性問題，實現(xiàn)煙葉提取幾何特征。這種對煙葉圖像的分割方法，不僅簡化了煙葉圖像的方式，還可以實現(xiàn)機器對煙葉信息的精準識別，有效降低機器學(xué)習(xí)的難度，提高分析準確度。

2.3 煙葉幾何特征提取

當完成煙葉圖像的預(yù)處理后，對圖像中煙葉的幾何特征進行提取，完成對煙葉長度、寬度、面積等信息的具體判斷和分析。對圖像中煙葉幾何特征的提取過程也是機器視覺學(xué)習(xí)識別的過程，可以參照煙葉分類標準的辦法，實現(xiàn)圖像幾何特征提取與分類標準的匹配[1]。當提取完原始的圖像信息之后，對數(shù)據(jù)庫中的原始信息進行分類與識別，以便于在機器識別過程中進行煙葉圖像幾何特征目標的分類標準化提取。

具體而言，在提取煙葉圖像的煙葉長度和寬度等幾何特征的過程中，通過對長度和寬度的區(qū)分，判斷煙葉具體的生長情況、發(fā)育情況，從而得出煙葉結(jié)構(gòu)的具體結(jié)果。而在提取煙葉顏色特征的過程中，通過對煙葉內(nèi)部黃色素、綠色素以及紅色素等分析，判斷煙葉的成熟度以及烤煙當中的物質(zhì)轉(zhuǎn)化流程。通常情況下，煙葉可能在顏色上呈現(xiàn)出較大的差異，部分煙葉的化學(xué)成分在分解過程中會表現(xiàn)出不同的形態(tài)，因此，對煙葉顏色特征的提取就需要選擇合適的顏色空間模型，如RGB顏色空間模型和LAB顏色空間模型等，實現(xiàn)對煙葉顏色的精準提取。

2.4 煙葉信息模糊識別

煙葉信息的識別與分級是由機器視覺進行自動的模糊識別，達到合理分析被識別煙葉對象的效果。機器視覺的使用可以對難以確定的識別對象進行不同組別的區(qū)分，將其劃分為同一類，達到精準識別的效果。對煙葉信息的模糊識別方法包括擇近原則識別方法、模糊聚類識別方法、最大隸屬度原則識別方法。擇近原則識別方法是當煙葉識別對象并不是確定元素而作為論域中的一個模糊子集，通過不同模糊子集貼近程度的對比，識別煙葉對象群體。為了提高機器視覺對煙葉圖像的識別精準度，通常會采用單個煙葉個體識別的形式，這就導(dǎo)致了擇近原則利用存在限制。此外，模糊類聚識別方法是通過將多個抽象的煙葉對象進行類似組合劃分的形式，實現(xiàn)聚類。此種識別方法多利用在煙葉對象不確定的情況，可以通過對煙葉的合理分析，在同類對象保持相近特征的情況下，完成對煙葉的屬性劃分[2]。這種識別方法并不適用于機器視覺下的煙葉自動分級研究。最大隸屬度原則識別方法可以作為機器視覺識別煙葉并自動分級的基礎(chǔ)，有助于機器基于論域來確定其隸屬函數(shù)，進而完成煙葉等級的自動識別。

2.5 煙葉自動分級程序

當完成對煙葉圖像的模糊識別之后，進入到煙葉識別的分級和自動化圖像采集程序，由機器視覺完成煙葉的自動分級。自動分級程序是經(jīng)過煙葉采集圖像簡化處理、分級活動信息提取等兩個流程完成對煙葉圖像的處理和關(guān)聯(lián)信息獲取，從而進入到分類環(huán)節(jié)。機器視覺系統(tǒng)通過識別所提取的各類信息，將其與煙葉等級標準進行逐一對照，并將煙葉圖像中的識別對象隨之劃分為不同級別，將劃分結(jié)果發(fā)送到用戶計算機終端中，完成分類結(jié)果的發(fā)送與儲存。與此同時，機器視覺的煙葉自動分級還可以給出一些智能化的煙葉質(zhì)量參考建議，便于用戶在煙葉收購或者出售中予以參考。基于機器視覺的煙葉自動分解方法，其推動了對煙葉等級的智能化識別，實現(xiàn)了多角度、全方位的煙葉識別和等級判斷，在推動煙草行業(yè)生產(chǎn)效率和生產(chǎn)質(zhì)量提高的同時，還可以實現(xiàn)煙葉等級判斷的高效化和精準化，有利于煙草行業(yè)的轉(zhuǎn)型升級和行業(yè)改造。

3 總結(jié)

探究基于機器視覺的煙葉自動分級方法，是以煙葉等級標準為基礎(chǔ)，通過機器視覺條件對煙葉等級的劃分和分級方法實現(xiàn)對煙葉質(zhì)量的智能化、自動化判斷，從而為煙葉的利用提供確定的標準信息。利用機器視覺的煙葉自動分級方法，可以確定統(tǒng)一的煙葉等級標準，進而推動我國煙草行業(yè)的長遠發(fā)展。

[1]莊珍珍,祝詩平,孫雪劍,等.基于機器視覺的煙葉自動分組方法[J].西南師范大學(xué)學(xué)報(自然科學(xué)版),2016,41(4):122-129.

[2]趙樹彌,張龍,徐大勇,等.機器視覺檢測鮮煙葉的分級裝置設(shè)計[J].中國農(nóng)學(xué)通報,2019,35(16):133-140.

湖南省教育廳科學(xué)研究項目（19C1852）

10.3969/j.issn.2095-1205.2020.08.31

TS47

A

2095-1205(2020)08-64-03