煙葉烤制過程中階段特征圖像識(shí)別算法研究

摘 要：本文設(shè)計(jì)了一套針對(duì)煙葉自動(dòng)化烤制過程中圖像處理與特征圖樣識(shí)別的算法，并給出了其中一些步驟的C語(yǔ)言和MATLAB程序以作模擬。以期為煙葉生產(chǎn)廠商自動(dòng)化生產(chǎn)流程中關(guān)鍵階段準(zhǔn)確識(shí)別提供思路。

關(guān)鍵詞：煙葉烤制；圖像處理；圖像識(shí)別；自動(dòng)化

1 烤煙制作全過程中各狀態(tài)圖像的特征分析

1.1 鮮煙狀態(tài)（烘烤前）：煙葉呈現(xiàn)鮮綠色，葉片明顯舒展文理較為平整、圖中的“溝壑”較少，葉片過渡平整。

1.2 葉片變軟狀態(tài)（失水20%）：煙葉明顯變黃，呈現(xiàn)黃綠色，葉片開始蜷縮但“溝壑”仍較少，葉片較為平整。

1.3 主脈變軟狀態(tài)（失水30%）：葉片基本全部變黃，只有葉片中部尚存在零星綠色（應(yīng)為煙葉的輸水管部分），葉片蜷縮現(xiàn)象更加明顯。

1.4 勾尖卷邊狀態(tài)（失水40%）：葉片黃色繼續(xù)加深，蜷縮明顯，出現(xiàn)“溝壑”現(xiàn)象。

1.5 小打筒狀態(tài)（失水55%）：黃色略微加深，“溝壑”繼續(xù)加深。

1.6 大打筒狀態(tài)（失水75%）：葉片最黃，“溝壑”最為明顯。

1.7 干筋狀態(tài)（烘烤結(jié)束）：葉片黃色略微回淺（即更鮮亮），綠色含量最少，“溝壑”現(xiàn)象依舊比較明顯但比較前一狀態(tài)有所舒展，葉片色澤均勻。

2 本文設(shè)計(jì)的工作流程

2.1 CCD數(shù)碼相機(jī)定時(shí)拍攝圖像直接傳至計(jì)算機(jī)端，每次圖像保存兩份；

2.2 對(duì)一份圖片分別進(jìn)入RGB通道處理，處理前先進(jìn)行巴特沃斯低通濾波或中值濾波（普遍認(rèn)為巴特沃斯低通濾波效果更好，如采用中值濾波經(jīng)重慶大學(xué)楊陽(yáng)[3]等人反復(fù)試驗(yàn)測(cè)試得出采用5 X 5鄰域的中值濾波效果較好），再分別求出其紅綠藍(lán)分量特征值。紅綠藍(lán)三色特征值分別達(dá)到146、115、43時(shí)可以認(rèn)為煙葉是烤制完成的干筋狀態(tài)。三色中有一色不符合即為未完成，刪除舊圖像后從新提取新的圖像進(jìn)行檢測(cè)。顏色識(shí)別還可以利用二值化，當(dāng)三色中不符合要求的點(diǎn)數(shù)少到一定值后，可以認(rèn)為煙葉烤制完成。

2.3 當(dāng)煙葉的顏色達(dá)標(biāo)后，對(duì)所保存的另一張相同圖像只使用其R分量做下述處理，提取其形態(tài)學(xué)特征（煙葉顏色不能達(dá)標(biāo)時(shí)此步驟直接略去）：

①在配置OpenCV庫(kù)函數(shù)的C語(yǔ)言編輯器中使用Sobel 算子或Canny 算子等提取圖像邊緣，如需使用C語(yǔ)言編程，可以考慮在配置好OpenCV庫(kù)函數(shù)的C語(yǔ)言編輯器下運(yùn)行Sobel算子函數(shù)，鄭州大學(xué)郭明儒[4]曾給出如下計(jì)算方法：cvSobel（const CvArr* src， CvArr* dst， int xorder， int yorder， int aperyure_size=3）； src：輸入圖像；dst：輸出圖像； xorder：x方 向上的差分階數(shù)； yorder：y方向上的差分階數(shù)； aperyure_size：擴(kuò)展Sobel核的窗口階數(shù)，必須是1，3，5，7。

②提取后的圖像需要經(jīng)過1～2次開運(yùn)算腐蝕膨脹消除噪聲后提取主筋，再利用Hough變換提取出煙葉的主脈部分。提取后的紋理與上文表格中提到的紋理熵等進(jìn)行比較，如果其取值在合理范圍內(nèi)，就說(shuō)明烤制完成。

3 針對(duì)所使用的算法編制相應(yīng)的處理程序

3.1 MATLAB編程

（1） 圖像讀取與存儲(chǔ)：

讀取f=imread（‘C：＼Users＼Administrator＼1.jpg）；

存儲(chǔ)imwrite（f，C：＼Users＼Administrator＼Desktop）

for i=1：10

str=[‘C：＼Users＼Administrator＼Desktop＼img，num2str（i），.tif]；

f=imread（str）；

end

（2） 濾波：

>> w=ones（2）；

>> g1=imfilter（f，w，replicate）；

>> subplot（2，2，1）；imshow（f）；title（‘origin image）；

>> subplot（2，2，2）；imshow（g1）；title（‘smooth image）；

>> g2=medfilt2（f（：，：，1），[4，4]）；

>> subplot（2，2，3）；imshow（g2，[]）；title（‘med filter）；

>> se=strel（‘square，4）；

>> g3=imclose（f（：，：，1），se）；

>> subplot（2，2，4）；imshow（g3，[]）；title（‘imclose）；

（3） 形態(tài)學(xué)分析：條紋間距

>> f4=f2（50：350，200：300）；

>> figure，imshow（f4）；

>> [r，c]=find（f4==1）；

（4） 閾值化：

>> f=im2double（f（：，：，1））；

>> subplot（2，2，1）；imshow（f）；title（‘origin iamge）；

>> [gv t]=edge（f，sobel）；

>> subplot（2，2，2）；imshow（gv，[]）；title（‘sobel）；

>> [gf t]=edge（f，log）；

>> subplot（2，2，3）；imshow（gf，[]）；title（‘log）；

>> [gc t]=edge（f，canny）；

>> subplot（2，2，4）；imshow（gc，[]）；title（‘canny）；

3.2 C語(yǔ)言編程

上述過程均可采用C語(yǔ)言實(shí)現(xiàn)，如：

閾值化：

void CZqlView：：OnThresh（）

{CZqlDoc* pDoc = GetDocument（）；

if （?。╬Doc->m_Dib.GetHandle（））） return；

int iWidth = pDoc->m_Dib.GetWidth（）；

int iHeight = pDoc->m_Dib.GetHeight（）；

int iBitsWidth = pDoc->m_Dib.GetBitsWidth（）；

LPSTR lpStartBit = pDoc->m_Dib.GetPixelBit（）；

int i，j，n=0；

unsigned char * lpPixel；

for （i=0；i128）{*lpPixel=255；} else{*lpPixel=0；n++；} } } Invalidate（）；}

中值濾波

void CZqlView：：OnZhongzhilvbo（） {CZqlDoc* pDoc = GetDocument（）；

if （?。╬Doc->m_Dib.GetHandle（））） return； CDIB Dib=pDoc->m_Dib； int iWidth = Dib.GetWidth（）； int iHeight = Dib.GetHeight（）； int iBitsWidth = Dib.GetBitsWidth（）；

LPSTR lpStartBitb =Dib.GetPixelBit（）；LPSTR lpStartBits =pDoc->m_Dib.GetPixelBit（）；

int i，j，k，m，n； int c[9]； unsigned char * lpPixelb； unsigned char * lpPixels； double dp=0；

for （i=1；i

for（m=0；m<8；m++） {for（n=0；n<8-m；n++） { if（c[n]>c[n+1]） {k=c[n]； c[n]=c[n+1]； c[n+1]=k； }}} dp=c[4]； lpPixels=（unsigned char*）lpStartBits + （iHeight-1-i） * iBitsWidth + j； *lpPixels=（unsigned char）dp；}} Invalidate（）；

}4 系統(tǒng)總結(jié)

本文分兩路對(duì)煙葉的顏色和形態(tài)分別鑒定，二者均達(dá)標(biāo)時(shí)檢出。這樣的要求很高，被檢出的煙葉為干筋狀態(tài)的概率會(huì)非常大，但顯易存在已烤好的煙葉因某種情況未能檢出的現(xiàn)象，需多試驗(yàn)定好各閾值來(lái)避免此現(xiàn)象的發(fā)生。

對(duì)于其中的幾個(gè)算法，采用MATLAB進(jìn)行了仿真模擬，尤其是顏色提取等效果比較好，這一系統(tǒng)可以對(duì)本例中已經(jīng)烤制好的煙葉與未烤制完成的煙葉進(jìn)行區(qū)分。正如首段提及的，因?yàn)楸疚脑谠O(shè)計(jì)中本著烤制完成誤差率最低思想進(jìn)行的實(shí)際，也就是對(duì)烤制完成的標(biāo)準(zhǔn)要求設(shè)計(jì)的較高，這樣被識(shí)別的煙葉處于干筋狀態(tài)的概率極大，但也可能存在有些煙葉因?yàn)楦鞣N原因已經(jīng)烤制完成卻無(wú)法檢出的情況。由于實(shí)驗(yàn)條件有限，尚未發(fā)現(xiàn)這一情況，但是可以預(yù)料到高的水準(zhǔn)要求一定會(huì)存在這種未檢出的情況，關(guān)于各種閾值的把控，還需要經(jīng)過多次實(shí)際實(shí)驗(yàn)檢驗(yàn)才能摸索出最好的狀態(tài)。

考慮產(chǎn)品的便攜性，本文認(rèn)為采用C語(yǔ)言雖然初期編程較為繁瑣，但后期應(yīng)用的方便性遠(yuǎn)好于MATLAB，便于在各種嵌入式設(shè)備上輕松移植，使產(chǎn)品小型化、便攜化、成本最低化和效率最高化。另外C語(yǔ)言運(yùn)行更快捷，短時(shí)間內(nèi)處理圖像能力更高，配置OpenCV等庫(kù)函數(shù)后功能同樣齊全，也更適合在工廠等部門進(jìn)行實(shí)際推廣應(yīng)用。

參考文獻(xiàn)

[1].段史江，宋朝鵬，馬力，史龍飛，王文超，宮長(zhǎng)榮.基于圖像處理的烘烤過程中煙葉含水量檢測(cè)[J].西北農(nóng)林科技大學(xué)學(xué)報(bào)，2012，05.

[2].宋朝鵬，段史江，李長(zhǎng)軍，馬力，史龍飛，宮長(zhǎng)榮.烘烤過程中基于圖像處理的烤煙形態(tài)特征分析[J].湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)，2011，12.

[3].楊陽(yáng).基于煙葉圖像處理的密集化烤房溫濕度系統(tǒng)設(shè)計(jì)[D].重慶大學(xué)，2014.

[4].郭明儒.基于模糊 PID 的煙葉烤房控制系統(tǒng)設(shè)計(jì)[D]. 鄭州大學(xué)， 2011.

作者簡(jiǎn)介

張青林（1995-），鄭州大學(xué)物理工程學(xué)院電子信息科學(xué)與技術(shù)專業(yè)2013級(jí)本科生，曾主持河南省“挑戰(zhàn)杯”競(jìng)賽作品一項(xiàng)、鄭州大學(xué)“大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目”一項(xiàng)等。