【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及煙草產(chǎn)品檢測(cè)，更具體地說(shuō)涉及一種利用圖案分割和邊緣檢測(cè)技術(shù)來(lái)區(qū)分具有和不具有紋理的煙草產(chǎn)品端頭的方法。
技術(shù)介紹
1、在當(dāng)前的自動(dòng)化條煙訂單核驗(yàn)系統(tǒng)中，圖像識(shí)別和特征匹配技術(shù)是核心組成部分。這些系統(tǒng)的主要目的是通過(guò)分析條煙圖像，確保其與訂單信息相符。然而，一個(gè)主要的挑戰(zhàn)是，當(dāng)條煙端頭缺乏可識(shí)別的紋理或特征時(shí)，這些系統(tǒng)的準(zhǔn)確性和效率大大降低。
2、條煙端頭的紋理和特征在圖像匹配和識(shí)別過(guò)程中扮演著至關(guān)重要的角色。具有明顯紋理的端頭通常包含獨(dú)特的模式和標(biāo)記，這些可以作為識(shí)別和匹配的關(guān)鍵依據(jù)。然而，許多條煙端頭可能表面平滑或顏色單一，沒(méi)有明顯的紋理或標(biāo)記，這使得從圖像中提取可靠的特征變得極其困難，從而導(dǎo)致匹配過(guò)程中的錯(cuò)誤識(shí)別和誤判增多。
3、誤判導(dǎo)致錯(cuò)誤的訂單匹配結(jié)果，從而影響運(yùn)營(yíng)效率。因此，為了提高匹配過(guò)程的準(zhǔn)確性和效率，迫切需要一種方法來(lái)有效區(qū)分有紋理和無(wú)紋理的條煙端頭。只有將那些無(wú)紋理、難以用于特征提取的端頭從匹配過(guò)程中先行篩除，系統(tǒng)才能集中資源和技術(shù)對(duì)那些具有明顯紋理的端頭進(jìn)行精確匹配，從而大幅提升整體的匹配準(zhǔn)確率和處理速度。
4、目前常用的區(qū)分物品有無(wú)紋理的方法，包含常用的傳統(tǒng)的圖像處理技術(shù)和深度學(xué)習(xí)算法。然而，傳統(tǒng)圖像處理技術(shù)包括灰度共生矩陣等方法受到環(huán)境因素影響嚴(yán)重；深度學(xué)習(xí)算法通常使用分類(lèi)網(wǎng)絡(luò)對(duì)物品有無(wú)紋理進(jìn)行分類(lèi)，但條煙端頭紋理種類(lèi)豐富，且由于生產(chǎn)環(huán)境端頭上會(huì)帶有部分不規(guī)則的污漬，會(huì)對(duì)模型造成干擾。所以現(xiàn)有技術(shù)很難達(dá)到當(dāng)前場(chǎng)景的應(yīng)用要求。
技
1、為了克服上述現(xiàn)有技術(shù)中存在的缺陷，本專利技術(shù)公開(kāi)了一種區(qū)分條煙端頭有無(wú)紋理的方法，本專利技術(shù)利用圖案分割和邊緣檢測(cè)技術(shù)來(lái)區(qū)分具有和不具有紋理的煙草產(chǎn)品端頭，能夠有效區(qū)分具有紋理和無(wú)紋理的條煙端頭，提高特征提取與匹配的準(zhǔn)確性，從而減少自動(dòng)核驗(yàn)中的誤判現(xiàn)象。
2、為了實(shí)現(xiàn)以上目的，本專利技術(shù)采用的技術(shù)方案：
3、一種區(qū)分條煙端頭有無(wú)紋理的方法，包括以下步驟：
4、一、端頭檢測(cè)
5、s1、采集條煙包裹圖像，并檢測(cè)條煙包裹圖像中的條煙端頭獲得條煙端頭圖像；
6、優(yōu)選的，s1步驟中，建立條煙端頭檢測(cè)模型，并將條煙包裹圖像輸入條煙端頭檢測(cè)模型中，條煙端頭檢測(cè)模型輸出條煙端頭圖像。
7、優(yōu)選的，s1步驟中，所述條煙端頭檢測(cè)模型采用yolov8模型，使用1500張條煙核驗(yàn)場(chǎng)景圖像和標(biāo)注條煙端頭坐標(biāo)圖像作為訓(xùn)練集，對(duì)所述條煙端頭檢測(cè)模型進(jìn)行模型訓(xùn)練。
8、二、邊緣檢測(cè)和圖案分割
9、s2、利用邊緣檢測(cè)方法和圖案分割方法，檢測(cè)條煙端頭圖像中是否具有可用于特征提取的紋理；其中，當(dāng)邊緣檢測(cè)方法和圖案分割方法中任一方法檢測(cè)條煙端頭圖像中具有紋理時(shí)，該條煙端頭圖像被判定為有紋理規(guī)格；當(dāng)邊緣檢測(cè)方法和圖案分割方法均未檢測(cè)到條煙端頭圖像中具有紋理時(shí)，該條煙端頭圖像被判定為無(wú)紋理規(guī)格；
10、2.1邊緣檢測(cè)
11、優(yōu)選的，s2步驟的邊緣檢測(cè)方法中，使用canny邊緣檢測(cè)算法來(lái)衡量圖像中條煙端頭是否具有紋理，適用于沒(méi)有特殊大面積標(biāo)志卻含有復(fù)雜花紋式背景圖案的條煙端頭。
12、優(yōu)選的，s2步驟的邊緣檢測(cè)方法包括以下步驟：
13、s211、裁剪條煙端頭圖像外圍區(qū)域；
14、優(yōu)選的，s211步驟中，裁剪的比例在條煙端頭圖像長(zhǎng)、寬的5%。
15、s212、通過(guò)閉運(yùn)算去除條煙端頭圖像噪聲；
16、優(yōu)選的，s212步驟包括：依次對(duì)條煙端頭圖像進(jìn)行二值化處理、腐蝕操作、膨脹操作。
17、s213、使用canny算子檢測(cè)條煙端頭圖像邊緣，并利用邊緣信息判斷條煙端頭圖像中是否具有可用于特征提取的紋理。
18、優(yōu)選的，s213步驟包括：
19、利用canny邊緣檢測(cè)算法，獲得條煙端頭圖像中的邊緣；
20、計(jì)算條煙端頭圖像中邊緣像素密度，所述邊緣像素密度為檢測(cè)到的邊緣像素在整個(gè)圖像中所占的比例；
21、判斷邊緣像素密度是否超過(guò)密度閾值，若超過(guò)密度閾值，則條煙端頭圖像中具有可用于特征提取的紋理，否則為不具有可用于特征提取的紋理。
22、優(yōu)選的，所述邊緣像素密度為：
23、
24、其中，d為邊緣像素密度，e為圖像中被檢測(cè)為邊緣的像素?cái)?shù)，t?為圖像的總像素?cái)?shù)。
25、優(yōu)選的，所述密度閾值為0.004。
26、2.2圖案分割
27、優(yōu)選的，s2步驟的圖案分割方法中，利用yolov8-seg模型構(gòu)建圖案分割模型檢測(cè)條煙端頭圖像中是否具有可用于特征提取的紋理，圖案分割模型標(biāo)注條煙端頭圖像上的圖案或文字輪廓作為分割的標(biāo)簽。
28、優(yōu)選的，圖案分割模型在訓(xùn)練過(guò)程中，對(duì)標(biāo)注的1000張圖像隨機(jī)添加反光或陰影，生成3000張圖像，共同進(jìn)行訓(xùn)練，訓(xùn)練好的圖案分割模型被用來(lái)分割條煙端頭圖像中的圖案。
29、優(yōu)選的，s2步驟的圖案分割方法包括以下步驟：
30、將條煙端頭圖像輸入圖案分割模型中，獲得該條煙端頭圖像分割對(duì)象的邊界框、置信度分?jǐn)?shù)、分割掩膜；
31、將置信度分?jǐn)?shù)與置信度閾值比較，置信度分?jǐn)?shù)大于置信度閾值的部分作為條煙端頭圖像中的圖案或文字紋理部分，否則為非紋理部分；
32、對(duì)于圖案或文字紋理部分，對(duì)分割掩膜中分割對(duì)象的面積進(jìn)行判斷，包括：計(jì)算檢測(cè)到的最大分割對(duì)象的面積與圖像面積的面積比值，判斷面積比值是否大于分割面積閾值，若面積比值大于分割面積閾值則條煙端頭圖像中具有可用于特征提取的紋理，否則為不具有可用于特征提取的紋理。
33、優(yōu)選的，所述置信度閾值為0.62，分割面積閾值為10%。
34、三、判斷結(jié)果處理
35、s3、將判定為無(wú)紋理規(guī)格的條煙端頭圖像刪除，將判定為有紋理規(guī)格的條煙端頭圖像進(jìn)行特征提取和訂單匹配；
36、優(yōu)選的，s3步驟在訂單匹配時(shí)的匹配成功的條件為：s1步驟檢測(cè)到的條煙端頭數(shù)量與訂單上的卷煙總數(shù)相符，并且特征提取的端頭紋理規(guī)格與訂單規(guī)定的規(guī)格一致。
37、四、輸出
38、s4、輸出成功匹配的條煙端頭圖像及訂單信息，以及被刪除的無(wú)紋理規(guī)格條煙端頭圖像信息。
39、本專利技術(shù)的有益效果：
40、本專利技術(shù)不單獨(dú)依賴一種方法來(lái)判斷條煙端頭是否具有可用于匹配的紋理，而是綜合使用邊緣檢測(cè)和圖案分割兩種方法進(jìn)行驗(yàn)證。現(xiàn)有區(qū)分有無(wú)紋理的技術(shù)手段單一，受到環(huán)境因素影響較大，準(zhǔn)確率較低。在本專利技術(shù)應(yīng)用場(chǎng)景中，區(qū)分卷煙端頭有無(wú)紋理關(guān)聯(lián)到后續(xù)自動(dòng)化卷煙核驗(yàn)的準(zhǔn)確率，所以對(duì)區(qū)分有無(wú)紋理的功能的要求較高，原有技術(shù)不適用。在本專利技術(shù)中，邊緣檢測(cè)精確地識(shí)別具有復(fù)雜紋理的端頭,圖案分割可以精確分割端頭上的logo或文字，為紋理特征提供更細(xì)致的信息。提高了端頭檢測(cè)的準(zhǔn)確性，因?yàn)閮煞N技術(shù)的結(jié)合使得系統(tǒng)不僅能識(shí)別端頭的位置，還能進(jìn)一步確認(rèn)其紋理特征，大大減少本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種區(qū)分條煙端頭有無(wú)紋理的方法，其特征在于，包括以下步驟：
2.如權(quán)利要求1所述的一種區(qū)分條煙端頭有無(wú)紋理的方法，其特征在于，S1步驟中，建立條煙端頭檢測(cè)模型，并將條煙包裹圖像輸入條煙端頭檢測(cè)模型中，條煙端頭檢測(cè)模型輸出條煙端頭圖像；
3.如權(quán)利要求1所述的一種區(qū)分條煙端頭有無(wú)紋理的方法，其特征在于，S2步驟的邊緣檢測(cè)方法中，使用Canny邊緣檢測(cè)算法來(lái)衡量圖像中條煙端頭是否具有紋理，適用于沒(méi)有特殊大面積標(biāo)志卻含有復(fù)雜花紋式背景圖案的條煙端頭。
4.如權(quán)利要求1所述的一種區(qū)分條煙端頭有無(wú)紋理的方法，其特征在于，S2步驟的邊緣檢測(cè)方法包括以下步驟：
5.如權(quán)利要求4所述的一種區(qū)分條煙端頭有無(wú)紋理的方法，其特征在于，S211步驟中，裁剪的比例在條煙端頭圖像長(zhǎng)、寬的5%；
6.如權(quán)利要求4所述的一種區(qū)分條煙端頭有無(wú)紋理的方法，其特征在于，S213步驟包括：
7.如權(quán)利要求1所述的一種區(qū)分條煙端頭有無(wú)紋理的方法，其特征在于，S2步驟的圖案分割方法中，利用yolov8-seg模型構(gòu)建圖案分割模型檢測(cè)條煙端頭圖像中是
8.如權(quán)利要求1所述的一種區(qū)分條煙端頭有無(wú)紋理的方法，其特征在于，S2步驟的圖案分割方法包括以下步驟：
9.如權(quán)利要求1所述的一種區(qū)分條煙端頭有無(wú)紋理的方法，其特征在于，還包括以下步驟：
10.如權(quán)利要求9所述的一種區(qū)分條煙端頭有無(wú)紋理的方法，其特征在于，S3步驟在訂單匹配時(shí)的匹配成功的條件為：S1步驟檢測(cè)到的條煙端頭數(shù)量與訂單上的卷煙總數(shù)相符，并且特征提取的端頭紋理規(guī)格與訂單規(guī)定的規(guī)格一致。
...【技術(shù)特征摘要】
1.一種區(qū)分條煙端頭有無(wú)紋理的方法，其特征在于，包括以下步驟：
2.如權(quán)利要求1所述的一種區(qū)分條煙端頭有無(wú)紋理的方法，其特征在于，s1步驟中，建立條煙端頭檢測(cè)模型，并將條煙包裹圖像輸入條煙端頭檢測(cè)模型中，條煙端頭檢測(cè)模型輸出條煙端頭圖像；
3.如權(quán)利要求1所述的一種區(qū)分條煙端頭有無(wú)紋理的方法，其特征在于，s2步驟的邊緣檢測(cè)方法中，使用canny邊緣檢測(cè)算法來(lái)衡量圖像中條煙端頭是否具有紋理，適用于沒(méi)有特殊大面積標(biāo)志卻含有復(fù)雜花紋式背景圖案的條煙端頭。
4.如權(quán)利要求1所述的一種區(qū)分條煙端頭有無(wú)紋理的方法，其特征在于，s2步驟的邊緣檢測(cè)方法包括以下步驟：
5.如權(quán)利要求4所述的一種區(qū)分條煙端頭有無(wú)紋理的方法，其特征在于，s211步驟中，裁剪的比例在條煙端頭圖像長(zhǎng)、寬的5%；
6.如權(quán)利要求4所述...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：曾華，朱小曉，李濤，周裕畯，樊娟，張林，向穎，曾鵬程，周幸，馬愛(ài)軍，任波，李鑄，戴強(qiáng)，張婷，
申請(qǐng)(專利權(quán))人：四川省煙草公司成都市公司，
類(lèi)型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。