烟支外观检测方法与流程

本发明涉及卷烟制造领域，更具体地，涉及一种烟支外观检测方法，特别是基于opencv-python和adaboost的烟支外观检测方法。

背景技术：

1、烟草行业是我国一项重要的民族产业，对产品质量和安全性有着严格要求。消费者对烟支外观的一致性和品质的要求日益增加，传统的烟支外观检测通常依赖于人工目视检查，这种方法存在主观性、耗时、成本高等问题。随着计算机视觉、图像处理、机器学习等相关技术的快速发展，为烟支外观检测提供了新的研究方向和解决方案。这些技术的广泛应用使得烟支外观检测更加可行和精确，为烟草企业提供了更多的选择。

2、烟支作为一种消费品，其外观质量直接关系到产品的质量和用户的体验。通过研究和开发可靠的外观检测方法，检测和识别烟支产品中可能存在的缺陷或异常，如破损、异物等，确保烟支的外观符合标准，帮助生产企业及时采取纠正措施，减少不良品数量，降低质量风险和退货率，从而提高产品质量、增强用户满意度，提高企业的产品竞争力。因此，烟支外观检测方法的研究对烟草企业、消费者以及整个行业都具有重要的意义。

3、张月华利用机器视觉展开系统规划，将机器视觉与烟支检测装置进行融合。

4、李钰靓、杨帅等人基于机器视觉技术建立了一种烟支搭口夹杂在线检测方法，实现了卷烟生产过程中烟支搭口夹杂缺陷在线检测与剔除，解决了烟支外观检测准确率低等问题，有效提高了烟支外观识别效率，提升了卷烟产品品质。潘昱亭、蔡培良等人设计一种基于视觉成像技术的高速包装机模盒内烟支检测装置，有效解决机械探针式烟支检测误检和漏检的问题，提高了产品质量，降低了废烟消耗，提高了设备有效作业率。王亮、王天一等人设计了适用于卷烟类长物体检测的3d-μct扫描与重建方法，该方法能对烟支实现高质量的显微层析成像，可以获得较为完整的烟丝拓扑学结构及孔隙率特征量。张钦、汪明主等人设计一种基于x射线异形烟烟包缺支检测系统，取得了较好的效果。zhong,z,zeng,z等人基于声学方法探索了烟支质量检测技术。通过使用声音传感器记录烟支在运输、生产和使用过程中产生的声音特征，提取与烟支质量相关的声音参数，利用信号处理和机器学习算法，建立了一个声学模型来对烟支的外观质量进行分类和识别。实验结果表明，基于声学方法的烟支质量检测技术具有良好的准确性和可行性，能够有效地检测烟支的缺陷和异常。崔云月研究了基于机器学习的烟支外观质量检测算法和基于卷积神经网络的烟支外观检测算法，对两种算法进行了分类效果对比，对烟支外观质量检测系统进行了系统架构设计与安装，并进行了实际应用测试，测试效果较好。

5、综上所述，对烟支外观检测方法已有一定的研究基础，并取得了一些可借鉴的研究成果，但多数烟支外观检测方法的实现都是基于现有的软件，这可能会导致对特定环境的依赖性，并限制了方法的可移植性和扩展性，本课题基于opencv-python来实现烟支外观检测方法，基于opencv和python的实现具有自主性和灵活性的优势，可以根据具体需求自定义和调整算法、流程和功能。此外，python作为一种流行的编程语言，具有丰富的库和工具生态系统，可以提供广泛的支持和资源。进一步的，本课题采用adaboost对烟支外观进行分类识别，adaboost是一种自适应学习方法，通过组合多个弱分类器来构建一个强分类器，能够提高分类的准确性。因此发明就此方面进行相应的探索性研究和试验，以期对烟支外观质量检测的方法研究提供一个新的思路和参考。

技术实现思路

1、本技术的发明目的是提供一种烟支外观检测方法，特别是烟支基于opencv-python和adaboost的烟支外观检测的方法。

2、为了实现上述发明目的，本发明采用以下技术方案：

3、本发明的烟支外观检测方法，其中：它包括以下步骤：

4、(一)、烟支外观的图像处理

5、(a)、图像采集

6、选择光线充足且均匀的环境，用一台高像素的数码相机，对准一根烟支且保持烟支在图像中居中且无遮挡，以获得清晰度和细节丰富的图像，采集多个角度和距离的图像，以捕捉上述烟支外观的不同特征的烟支外观图像，重复上述步骤采集多根烟支外观图像，以增加特征提取的准确性和可靠性；

7、(b)、图像预处理

8、(ⅰ)、抠取烟支图像

9、使用opencv的cv2.cvtcolor()函数,将上述烟支外观图像转换成灰度图像，使用opencv的cv2.canny()进行边缘检测，使用opencv的cv2.findcontours()查找轮廓，然后使用opencv的cv2.drawcontours()筛选最大的轮廓，创建用于绘制轮廓的空白图像，最后使用opencv的cv2.boundingrect()截取烟支图像并显示结果，抠取出烟支的形状、轮廓和特征，得到烟支图像，以减少背景干扰，使其更易于进行形状分析、长度测量、分类和识别；

10、(ⅱ)、调整图像大小

11、读取上述烟支图像，指定目标图像尺寸，使用opencv的cv2.resize()函数的双线性插值算法进行图像缩放，然后，显示缩放后的烟支图像；

12、(ⅲ)、去除噪声

13、使用opencv的cv2.gaussianblur()高斯滤波器对烟支图像中的噪声进行去除，以提高图像质量和清晰度；通过调整图像大小和去除噪声，确保烟支图像清晰且无干扰，这样的预处理操作有助于提高后续特征提取和分类的准确性和稳定性；

14、(二)、烟支外观的图像特征提取

15、通过分析烟支图像，从中提取相关的颜色特征和纹理特征，并将其转化为计算机处理的特征向量，以便后续烟支的分析、分类和处理，将提取到的颜色特征和纹理特征组合为一个特征向量；

16、(c)、颜色特征提取

17、使用opencv中的cvtcolor函数将步骤(ⅲ)的烟支图像转换为包括：色相、饱和度和值和亮度的hsv颜色空间，通过上述转换的hsv颜色空间，即用色调、饱和度和亮度这三个通道来更准确地描述这支烟的颜色，以利于后续的颜色特征提取和分析；

18、(d)、用小波包分析方法对颜色特征进行降维,将颜色特征数据降至24维，得到烟支颜色特征向量；

19、(e)、纹理特征提取

20、使用局部二值模式(local binary patterns,lbp),从步骤(ⅲ)的烟支图像来提取烟支纹理特征，lbp算法基于局部像素点之间的灰度差异进行计算，得到烟支纹理特征向量；

21、(f)、合成特征向量

22、将步骤(d)得到的烟支颜色特征向量和步骤(e)得到的烟支纹理特征向量合成为一个特征向量；

23、(三)、训练adaboost用于分类识别

24、adaboost由三个基分类器组成，它们分别为线性核函数支持向量机、多项式核函数支持向量机和rbf核函数支持向量机，adaboost通过上述三个基分类器构建成一个强分类器，用步骤(g)的上述大量特征向量和其对应的结果标签，对上述adaboost进行训练，通过多次迭代得到训练好的adaboost，将特征向量输入训练好的adaboost，得到合格的烟支和不合格烟支的分类识别；

25、(四)、对高速拍摄的烟支外观图像进行识别

26、用步骤(一)的(a)对卷烟机中的烟支进行拍摄，得到烟支外观图像，然后，按照步骤(b)至(f)，对上述烟支外观图像进行处理，得到一个特征向量，将上述一个特征向量输入到训练好的adaboost中，adaboost将上述特征向量进行分类，判断出其为合格烟支或者不合格烟支，然后通过剔除装置对不合格烟支进行剔除。

27、本发明的一种烟支外观检测方法，其中：在步骤(c)中，重新计算烟支图像中每个像素点的颜色值，使其变成色调、饱和度和亮度的组合，计算各个颜色通道的直方图，统计图像中不同颜色值的分布情况，通过分析这上述直方图，得到烟支外观中各个颜色通道的分布情况，提取出有关颜色的特征，这些特征用于识别、分类烟支，使用python和opencv库实现烟支外观颜色特征提取的步骤为：

28、1)、导入opencv库；

29、2)、读取图像并转换为hsv颜色空间；

30、3)、计算颜色通道的直方图，对直方图进行归一化处理，以确保特征具有一致的尺度；

31、4)、可视化直方图。

32、本发明的一种烟支外观检测方法，其中：在步骤(e)中，所述图像纹理特征提取是使用python和opencv库，其实现烟支外观纹理特征提取的步骤包括：

33、<1>、加载图像；

34、<2>、定义glcm参数；

35、<3>、计算glcm；

36、<4>、提取纹理特征；

37、<5>、可视化直方图；

38、<6>、打印特征值；

39、<7>、统计数据结果。

40、本发明的一种烟支外观检测方法，其中：在步骤(d)中，所述小波包分析方法是基于python的小波包对信号进行降维处理，其具体步骤如下：

41、《1》、提取每个小波包节点的能量特征；

42、《2》、计算能量谱；

43、《3》、读取图像；

44、《5》、转换颜色空间为hsv；

45、《5》、计算各个颜色通道的直方图；

46、《6》、归一化直方图；

47、《7》、进行小波包分析并提取能量特征和能量谱；

48、《8》、绘制图像、直方图和小波包能量谱图直方图；

49、《9》、将能量特征合并为特征向量。

50、本发明的一种烟支外观检测方法，其中：所述大量特征向量为至少80个特征向量。

51、本发明的一种烟支外观检测方法，其中：用adaboost对上述大量特征向量和对应的结果标签进行训练的步骤包括：

52、(1)、输入特征向量和对应的结果标签；

53、(2)、对特征向量进行最小-最大缩放；

54、(3)、创建支持向量机分类器对象；

55、(4)、创建adaboost分类器；

56、(5)、训练adaboost分类器；

57、(6)、在测试集上进行预测；

58、(7)、计算强分类器的准确率；

59、(8)、可视化结果。

60、本发明的烟支外观检测方法的创新点如下：

61、1、所有的实验过程都是在python中敲代码完成的，没有依赖其他软件。

62、2、将小包波分析应用于烟支外观颜色特征的提取和降维。

63、3、将支持向量积和adaboost用于烟支外观的分类识别。

64、4、将三种不同核的支持向量积作为基分类器，通过adaboost算法组成一个强分类器。

65、本发明的烟支外观检测方法存在以下有益效果：

66、本发明基于opencv-python和adaboost来实现烟支外观检测方法，基于opencv和python的实现具有自主性和灵活性的优势，可以根据具体需求自定义和调整算法、流程和功能。此外，python作为一种流行的编程语言，具有丰富的库和工具生态系统，可以提供广泛的支持和资源。进一步的，本发明采用adaboost对烟支外观进行分类识别，adaboost是一种自适应学习方法，通过组合多个弱分类器来构建一个强分类器，能够提高分类的准确性。因此发明就此方面进行相应的探索性研究和试验，以期对烟支外观质量检测的方法研究提供一个新的思路和参考。