基于图像分析的烟叶等级牌识别方法、系统、介质及设备与流程

本发明涉及图像识别，具体地说是一种基于图像分析的烟叶等级牌识别方法、系统、介质及设备。

背景技术：

1、烟叶定级为烟叶收购的重要环节，烟叶定级的准确与否直接影响烟叶收购的质量。随着卷烟工业企业实施组织结构调整，在烟叶收购过程中，国家烟草局逐渐推行了无人值守，自动称重，质量追溯等收购管理模式。当前在定级环节将超高频rfid等级牌放到烟筐中，随后在称重环节使用超高频读卡器读取rfid中信息并上传收购系统。在称重环节现在多采用网络照相机对称重烟筐进行拍照留存。

2、当前这种定级方式需要每条收购线配备超高频读卡器和大量高频rfid等级牌，并且还需要提前在系统中录入等级牌信息以便于读取对应等级，增加了大量的人力和成本。

3、故如何快速读取烟叶等级牌上的等级信息，省去当前使用的超高频读卡器和大量高频rfid等级牌，节省人力和成本是目前亟待解决的技术问题。

技术实现思路

1、本发明的技术任务是提供一种基于图像分析的烟叶等级牌识别方法、系统、介质及设备，来解决如何快速读取烟叶等级牌上的等级信息，省去当前使用的超高频读卡器和大量高频rfid等级牌，节省人力和成本的问题。

2、本发明的技术任务是按以下方式实现的，一种基于图像分析的烟叶等级牌识别方法，该方法具体如下：

3、使用高清摄像机拍摄带有等级牌的称重烟筐图片；其中，带有等级牌的称重烟筐图片包括不同角度、光照条件和等级牌摆放位置的场景；

4、获取待识别的称重烟筐正视图图像，并对对待识别的称重烟筐的正视图图像进行灰度化处理，获取灰度化处理后的称重烟筐正视图图像；其中，将彩色图像转化为灰度图像后，在视觉上增加图像之间的对比度，突出目标区域；

5、对灰度化处理后的称重烟筐正视图图像进行区域提取，获取各个烟筐、烟叶、地面、托筐小车、等级牌图像区域以及区域特征参数，并根据各个图像区域特征参数确定等级牌图像区域；

6、使用二值化处理等级牌图像区域，获取二值化处理后的等级牌图像区域；

7、对二值化处理后的等级牌图像区域进行投影，根据投影的变化趋势确定目标区域的烟叶等级字符图像的位置和大小，并对等级牌图像区域进行分割得到各个烟叶等级字符图像；

8、对各个烟叶等级字符图像进行归一化处理，使得不同尺度的像素值在同一尺度上进行比较和分析获取归一化的烟叶等级字符图像；

9、对各个归一化的烟叶等级字符图像进行模板匹配，输出各个烟叶等级字符的匹配字符；

10、将各个烟叶等级的匹配字符按照对应的等级牌字符进行排序，获取烟叶等级的识别结果。

11、作为优选，区域提取是利用图像分割和边缘检测技术将灰度化处理后的称重烟筐正视图图像中的各个区域分离处理，具体如下：

12、边缘检测：使用边缘检测算法(canny算法)对灰度化处理后的称重烟筐正视图图像中进行边缘检测，提取灰度化处理后的称重烟筐正视图图像中边缘信息；其中，灰度化处理后的称重烟筐正视图图像中的边缘信息代表不同区域之间的边界；

13、阈值分割：根据灰度化处理后的称重烟筐正视图图像的灰度值，使用阈值分割方法将图像划分为不同的区域；并选择合适的阈值使得烟叶等级牌、烟筐、烟叶、地面以及拖筐小车的区域被正确地分离出来；

14、区域生长或分裂合并：对于阈值分割后的区域，通过区域生长或分裂合并进一步细化或合并对应区域；

15、特征提取：对每个提取出来的区域，提取对应特征参数，对应特征参数包括面积、周长及形状因子，这些特征参数可以帮助识别出每个区域的具体类型(烟叶等级牌、烟筐、烟叶、地面等)；

16、确定等级牌图像区域：根据各个区域的位置、大小、形状的特征参数确定等级牌的图像区域，并设置对应规则或阈值排除其他干扰区域，如拖筐小车或烟叶等。

17、更优地，使用边缘检测算法(canny算法)进行边缘检测具体如下：

18、滤波：对灰度化处理后的称重烟筐正视图图像进行平滑滤波，以减少图像中的噪声，滤波是为了防止在边缘检测中出现过多的虚假边缘；

19、计算梯度：对滤波后的图像计算梯度大小和方向；其中，梯度表示像素值的变化率，用于判断边缘的存在；其中，梯度的幅值公式如下：

20、g＝sqrt(gx^2+gy^2)；

21、梯度的方向公式如下：

22、θ＝tan^(-1(gy/gx)；

23、其中，gx和gy是在x和y方向上的梯度；梯度的方向归为垂直、水平和对角线四类；

24、梯度的计算公式如下：

25、

26、其中，表示函数f对第i个自变量的偏导数；

27、非极大值抑制：通过比较像素点梯度方向和大小，确定是否为边缘像素：

28、若像素点梯度值小于设定阈值，则认为对应像素点不是边缘像素；

29、双阈值处理：设置一个高阈值和一个低阈值，判断如下：

30、若像素点梯度值高于高阈值，则认为对应像素点为强边缘像素；

31、若像素点梯度值低于低阈值，则认为对应像素点为非边缘像素；

32、若像素点梯度值介于高阈值和低阈值之间，则需要进一步判断；

33、滞后阈值：在双阈值处理的基础上，对像素点进行滞后阈值处理，具体为：

34、若一个像素点被标记为强边缘像素，则强边缘像素点相邻像素点被标记为边缘像素；

35、若一个像素点被标记为非边缘像素，则非边缘像素点相邻像素点不会标记为边缘像素；

36、边缘连接：将检测到的边缘像素点连接成连续的线条，形成完整的边缘。

37、更优地，阈值分割是通过选取适当的阈值，实现图像的二值化，即将像素分为前景和背景两类，具体如下：

38、确定阈值：根据图像的特点和分割要求，选择一个阈值进行分割；

39、比较像素值：将每个像素的灰度值与阈值进行比较，判断像素属于哪个类别；

40、分类像素：根据比较结果，将像素分为前景、背景及边缘不同的类别，；

41、输出分割结果：将分类后的像素组成不同的区域，形成分割图像。

42、作为优选，二值化处理后的等级牌图像区域的投影是根据投影值的变化趋势确定烟叶等级字符图像的位置和大小，具体如下：

43、投影：按照选择的水平或垂直投影方向遍历二值化图像的每个像素，统计每个位置的像素值(0或255)，并将每个位置的像素值累加起来得到投影值；

44、变化趋势分析：观察投影值的变化趋势，即在投影值出现明显的下降或上升趋势的位置，在投影值出现明显的下降或上升趋势的位置对应烟叶等级字符图像的边界；

45、确定目标区域：基于投影值的变化趋势确定目标区域的位置和大小，并通过阈值分割或边缘检测方法将投影值高于设定阈值的区域视为目标区域；

46、分割等级牌图像区域：确定目标区域的位置和大小后，使用图像分割技术将目标区域从等级牌图像中分离出来，具体为选择基于边缘的分割、基于区域的分割的图像分割算法，根据目标区域的特征将烟叶等级牌图像目标区域与其他区域分离；

47、细化处理：对分割出来的等级牌图像目标区域进行去除噪声、填充孔洞及细化边缘的细化处理，进一步提取出各个烟叶等级字符图像；

48、识别字符：使用模板匹配或神经网络的字符识别算法识别各个烟叶等级字符图像，并将烟叶等级字符图像转换为可读的文本信息。

49、作为优选，各个烟叶等级字符图像的归一化处理是消除像素值尺度对后粗分析的影响，使得不同尺度的像素值在同一尺度上进行比较和分析；其中，归一化处理是将像素值转换到设定的范围内，如0到1之间，具体如下：

50、像素值提取：从分割出的烟叶等级字符图像中提取出所有像素的灰度值或颜色值；

51、计算最大值和最小值：找到所有像素值中的最大值和最小值，所有像素值中的最大值和最小值将用于后续的归一化计算；

52、归一化：使用归一化公式将像素值转换到0到1的范围，归一化公式如下：

53、normalized_value＝(original_value-min)/(max-min)；

54、其中，normalized_value表示归一化后的像素值；original_value)表示原始像素值；min和max分别表示像素值的最小值和最大值；

55、应用归一化公式：对每个像素值应用normalized_value＝(original_value-min)/(max-min)得到对应的归一化像素值；

56、生成归一化的烟叶等级字符图像：将所有归一化后的像素值重新组合成图像，得到各个归一化的烟叶等级字符图像，通过归一化处理，不同尺度的像素值被转换到同一尺度上，这有助于提高后续图像处理和分析的准确性和稳定性。在处理完归一化之后，可以对这些图像进行进一步的特征提取、识别等操作。

57、作为优选，模板匹配是一种图像识别技术，用于在给定的图像中查找与给定模版相匹配的区域；在烟草等级字符识别中，模板匹配用于将归一化后的烟草等级字符图像与预定义的模版进行比较，以确定每个字符的类别，具体如下：

58、准备模板：准备一组预定义的模板，每个模板代表一个烟叶等级字符；其中，预定义的模板是标准化模板，并且与待识别的字符具有相似的尺寸和形状；烟叶等级有固定的字符和排列顺序，只需要将所有烟叶等级对应的英文大写字母和数字提取出来作为标准化模板即可，其中模版样式由字母表示，如(c、b、x、h、k、s、v、l、f、r)代表烟叶组别；模板组别由数字表示，如(1、2、3、4)代表级别；烟叶等级由字母和数字按排列顺序和组别不同组成42个等级；

59、特征提取：对归一化后的烟叶等级字符图像进行边缘、角点及纹理的特征提取；

60、模板匹配：将提取出的特征与预定义的模板进行比较；常用的模板匹配算法包括基于像素的匹配、基于特征的匹配和基于深度学习的匹配；

61、匹配结果输出：根据匹配结果确定每个归一化的烟叶等级字符图像与哪个模板最相似，从而确定每个字符的类别；

62、结果输出：将最终的匹配结果输出，包括每个烟叶等级字符的匹配字符；其中，匹配结果用于后续的烟叶等级分类或其他相关应用。

63、一种基于图像分析的烟叶等级牌识别系统，该系统用于实现上述的基于图像分析的烟叶等级牌识别方法，该系统包括高清网络照像机、照明设备、称重烟筐及服务器，高清网络照像机用于获取称重烟筐图片，并将称重烟筐图片发送至服务器中进行车牌识别，服务器通过对烟叶定级称重图片进行分析，识别得到烟叶等级并上报烟叶收购系统。

64、一种电子设备，包括：存储器和至少一个处理器；

65、其中，所述存储器上存储有计算机程序；

66、所述至少一个处理器执行所述存储器存储的计算机程序，使得所述至少一个处理器执行如上的基于图像分析的烟叶等级牌识别方法。

67、一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序可被处理器执行以实现如上述的基于图像分析的烟叶等级牌识别方法。

68、本发明的基于图像分析的烟叶等级牌识别方法、系统、介质及设备具有以下优点：

69、(一)本发明称重环节使用的高分辨率摄像头在拍摄称重烟筐时，可以同步提取等级牌上的等级信息，这样可以直接去掉当前使用的超高频读卡器和大量高频rfid等级牌，节省了大量的成本和人工；同时能够提高定级时的收购效率，从原来的5秒一筐烟缩短为3秒一筐烟；

70、(二)本发明减少了当前收购设备成本和人工，提高了定级、称重环节效率；

71、(三)本发明通过对烟叶称重过程图像进行区域提取和区域特征参数的分析，得到烟叶等级牌区域图像，并对烟叶等级牌图像中的字符进行分割，得到单个字符，并通过模板匹配的方法对得到的单个字符进行逐一进行识别，从而得到烟叶等级牌的所有内容；将烟叶等级牌和称重烟叶进行有效分割，能够显著提升识别准确率，通过模板匹配对单个等级字符进行识别，降低了识别难度，提高了识别速度，同时，由于采用区域特征参数分析的方式快速提取到烟叶等级牌的图像，进一步提高了烟叶等级识别的速度；

72、(四)本发明对烟叶等级牌图像进行区域提取，确定烟叶等级牌图像区域，对烟叶等级牌图像区域进行分割得到等级字符，最终对分割得到的各个字符进行模板匹配，得到烟叶等级的识别的结果，大大提高了烟叶等级识别的效率；

73、(五)本发明对烟叶等级牌图像进行预处理，包括去噪、二值化和灰度化等操作，以消除图像中的噪声和干扰，并简化图像处理过程；预处理后的图像进行区域提取，通过阈值分割、边缘检测等方法确定烟叶等级牌的区域，这一步的目的是从图像中提取出烟叶等级牌的区域，为后续的字符分割和识别提供基础；

74、(六)本发明对烟叶等级牌区域进行分割，将每个等级字符从背景中分离出来。这一步通过边缘检测技术实现，分割得到的字符将作为后续模板匹配的对象对分割得到的字符进行模板匹配，将每个字符与预先定义的模板进行比对，以确定每个字符的等级，这一步通过像素差平方和算法实现，匹配的结果将作为最终的烟叶等级识别结果。