一种烟丝的形态检测方法、装置、设备及可读存储介质

技术领域

本发明涉及图像检测领域，特别涉及一种烟丝的形态检测方法、装置、设备及可读存储介质。

背景技术

烟草消费市场庞大，消费者通常更青睐购买均匀、细致的烟丝，因为这种烟丝能够提供更佳的燃烧性能和烟气味道。然而，在香烟生产过程中，烟丝的长度和宽度对香烟的燃烧性能、烟气焦油释放量等产生重要影响。因此，迅速高效地测量烟丝的长度和宽度，并及时指导切丝机进行调整，是确保香烟产品质量的关键因素。

机器视觉技术在检测烟丝方面主要采用两种方式：传统机器视觉和基于深度学习的机器视觉。传统机器视觉在检测烟丝时存在单一类别、需手动设计和提取特征的问题，仅适用于简单场景，无法应对多类烟丝的检测需求。相比之下，基于深度学习的机器视觉利用深度学习模型能够自动学习并构建高度抽象的特征表示，适应更为复杂的环境，尽管准确度较高，但检测速度相对较慢。目前，烟丝形态和长宽度信息的检测仍主要依赖人工进行，或者通过传统机器视觉检测静态烟丝图片，或者通过基于深度学习的机器视觉检测烟丝图片。然而，这些检测方式存在功能单一、速度慢、精度低的问题，无法实现对刀具的实时检测和调整。

有鉴于此，提出本申请。

发明内容

本发明公开了一种烟丝的形态检测方法、装置、设备及可读存储介质，旨在解决现有烟丝检测存在功能单一、速度慢、精度低的问题。

本发明第一实施例提供了一种烟丝的形态检测方法，包括：

获取由图像采集装置对传送带上的烟丝进行采集的烟丝图像，对所述烟丝图像进行预处理以生成所述烟丝的目标框位置；

对所述烟丝图像进行多流处理，以生成所述烟丝图像的边缘特征图；

对所述边缘特征图进行骨架细化处理，以生成所述烟丝图像的中心线特征图；

根据所述目标框位置，在所述边缘特征图和所述中心线特征图上计算所述烟丝的形态学，以生成烟丝宽度与长度。

优选地，所述对所述烟丝图像进行预处理以生成所述烟丝的目标框位置，具体为：

根据预设重叠率对所述烟丝图像进行切分图片，以生成n*n大小的图片；

调用训练好的YOLO模型对所述n*n大小的图片进行推理，以生成烟丝的目标框位置。

优选地，所述对所述烟丝图像进行多流处理，以生成所述烟丝图像的边缘特征图，具体为：

使用cuda算子与cuda Stream对所述烟丝图像多流进行灰度化、过滤噪音、和图像二值化处理，以生成所述烟丝图像的边缘特征图。

优选地，所述对所述边缘特征图进行骨架细化处理，以生成所述烟丝图像的中心线特征图，具体为：

使用cuda改写的Zhang-Suen骨架细化算法对所述边缘特征图进行骨架细化，以生成所述烟丝图像的中心线特征图。

优选地，根据所述目标框位置，在所述边缘特征图和所述中心线特征图上计算所述烟丝的形态学，以生成烟丝宽度与长度，具体为：

计算所述中心线特征图上所述目标框位置的烟丝细化的骨架线长度，根据像素长度和cale因子生成烟丝真实长度；

计算所述边缘特征图上从骨架线n个点向边缘的最近k个点拟合的圆，以圆直径为烟丝宽度，并根据cale因子生成烟丝真实宽度。

优选地，在所述获取由图像采集装置对传送带上的烟丝进行采集的烟丝图像之后，还包括：

对所述烟丝图像进行预处理以生成烟丝的类别，其中，所述烟丝的类别包括细烟丝、正常烟丝、粗烟丝、不规则烟丝、叶片型烟丝、以及堆叠烟丝。

优选地，还包括：将所述烟丝的类别、所述烟丝宽度与长度绘制在GUI界面的图表中。

本发明第二实施例提供了一种烟丝的形态检测装置，包括：

预处理单元，用于获取由图像采集装置对传送带上的烟丝进行采集的烟丝图像，对所述烟丝图像进行预处理以生成所述烟丝的目标框位置；

多流处理单元，用于对所述烟丝图像进行多流处理，以生成所述烟丝图像的边缘特征图；

骨架细化处理单元，用于对所述边缘特征图进行骨架细化处理，以生成所述烟丝图像的中心线特征图；

形态学计算单元，用于根据所述目标框位置，在所述边缘特征图和所述中心线特征图上计算所述烟丝的形态学，以生成烟丝宽度与长度。

本发明第三实施例提供了一种烟丝的形态检测设备，包括存储器以及处理器，所述存储器内存储有计算机程序，所述计算机程序能够被所述处理器执行，以实现如上任意一项所述的一种烟丝的形态检测方法。

本发明第四实施例提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序能够被所述计算机可读存储介质所在设备的处理器执行，以实现如上任意一项所述一种烟丝的形态检测方法。

基于本发明提供的一种烟丝的形态检测方法、装置、设备及可读存储介质，先获取由图像采集装置对传送带上的烟丝进行采集的烟丝图像，对所述烟丝图像进行预处理以生成所述烟丝的目标框位置；接着，对所述烟丝图像进行多流处理，以生成所述烟丝图像的边缘特征图；再接着，对所述边缘特征图进行骨架细化处理，以生成所述烟丝图像的中心线特征图；最后根据所述目标框位置，在所述边缘特征图和所述中心线特征图上计算所述烟丝的形态学，以生成烟丝宽度与长度。解决了现有烟丝检测存在功能单一、速度慢、精度低的问题。

附图说明

图1是本发明第一实施例提供的一种烟丝的形态检测方法的流程示意图；

图2是本发明提供的在传送带上检测烟丝的装置示意图；

图3是本发明提供的在GUI界面上保存检测结果的示意图；

图4是本发明第二实施例提供的一种烟丝的形态检测装置的模块示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。

应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

实施例中提及的“第一第二”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一第二”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一第二”区分的对象在适当情况下可以互换，以使这里描述的实施例能够以除了在这里图示或描述的那些以外的顺序实施。

以下结合附图对本发明的具体实施例做详细说明。

本发明公开了一种烟丝的形态检测方法、装置、设备及可读存储介质，旨在解决现有烟丝检测存在功能单一、速度慢、精度低的问题。

请参阅图1，本发明第一实施例提供了一种烟丝的形态检测方法，其可由烟丝的形态检测设备(以下简称检测设备)来执行，特别的，由所述检测设备内的一个或者多个处理器来执行，以至少实现如下步骤：

S101，获取由图像采集装置对传送带上的烟丝进行采集的烟丝图像，对所述烟丝图像进行预处理以生成所述烟丝的目标框位置；

在本实施例中，所述检测设备可为服务器、工作站、笔记本电脑、或台式电脑，其能够与图像采集装置建立通讯，所述检测设备内可安装有相应的操作系统以及应用软件，并通过操作系统以及应用软件的结合来实现本实施例所需的功能，进一步地，在本实施例中，请参阅图2，所述图像采集装置2可以是配置在检测设备上方的线扫相机。相机为8k彩色线扫相机，以行频50k将8192*3图像拼接为8192*4096分辨率图片后再传入检测设备中，每秒约1.2张。检测设备实时进行处理一张8192*4096图片处理速度约700ms；

具体地，在本实施例中，在获取烟丝图像之前，所述检测设备会控制配置在传送带上方的线阵LED光源1，以调整光照环境至最适宜状态；为获得烟丝尺寸大小，需要进行图像校准，获取像素与实际尺寸的对应关系scale＝实际尺寸/像素数量，接着，通过传送带上8k线扫相机获取高清的烟丝图像；按照一定重叠率进行切分图片，切割至1280*1280大小的图片并将其送入训练好的YOLO模型中进行推理，获取烟丝的目标框位置、类别等信息，其中，目标检测框为烟丝的外接矩形框。有长度和宽度，非烟丝真实长度、宽度；

其中，所述烟丝的类别包括细烟丝、正常烟丝、粗烟丝、不规则烟丝、叶片型烟丝、以及堆叠烟丝。烟丝与定义分别为：细烟丝(烟丝宽度小于标准宽度0.08mm)，正常烟丝(烟丝宽度符合正常标准)，粗烟丝(烟丝宽度大于标准宽度)，不规则烟丝(环状烟丝)，叶片型烟丝(烟丝呈叶片状)，堆叠烟丝(一根烟丝实际由多根烟丝堆叠而成)。通过烟丝数据集扩增，还可检测其他更多类型烟丝。

S102，对所述烟丝图像进行多流处理，以生成所述烟丝图像的边缘特征图；

具体地，在本实施例中，使用cuda算子与cuda Stream对所述烟丝图像多流进行灰度化、过滤噪音、和图像二值化处理，以生成所述烟丝图像的边缘特征图。

需要说明的是，使用CUDA(Compute Unified Device Architecture)算子，对输入的8k分辨率烟丝图片进行灰度化处理。灰度化是将彩色图像转换为灰度图像，即将图像中的每个像素从彩色空间映射到灰度空间，简化了后续处理的复杂性。利用CUDA算子与CUDAStream多流技术，对灰度化后的图像进行噪音滤波处理。其包括一系列滤波器，以去除图像中的随机噪声或不需要的细节，以提高后续处理步骤的准确性。使用CUDA算子，对处理过的图像进行二值化处理。图像二值化将图像转换为只包含两个像素值的图像，通常是黑色和白色。有助于突出图像中的目标物体的轮廓或特定区域，为后续形态学计算提供清晰的图像。在二值化的图像上，可使用边缘检测算法或技术，通过CUDA处理获取烟丝图像的边缘特征图。这个特征图强调了图像中的边缘信息。

S103，对所述边缘特征图进行骨架细化处理，以生成所述烟丝图像的中心线特征图；

具体地，在本实施例中，使用cuda改写的Zhang-Suen骨架细化算法对所述边缘特征图进行骨架细化，以生成所述烟丝图像的中心线特征图。

需要说明的是，针对获取的烟丝图像，使用CUDA实现的改写版Zhang-Suen骨架细化算法。骨架细化是一种图像处理技术，旨在提取出图像中物体的骨架或中心线。在这个特定的场景中，骨架细化算法用于获取烟丝的中心线特征图。

S104，根据所述目标框位置，在所述边缘特征图和所述中心线特征图上计算所述烟丝的形态学，以生成烟丝宽度与长度。

具体地，在本实施例中，计算所述中心线特征图上所述目标框位置的烟丝细化的骨架线长度，根据像素长度和cale因子生成烟丝真实长度；

需要说明的是，通过骨架细化算法，从图像中提取了烟丝的骨架线，即对象的主要结构线。骨架细化后，针对目标框的位置，会有一个与骨架线相关的区域。骨架线是由像素组成的，计算骨架线的长度通常涉及统计骨架线上的像素数量。通过对骨架线上的像素数量进行计数，得到骨架线的像素长度。在图像处理中，scale通常用于将图像上的像素单位映射到实际物理尺寸。这个过程称为图像校准。将骨架线的像素长度乘以scale，以转换为实际物理尺寸。这样，就可以得到烟丝的真实长度。

具体地，在本实施例中，计算所述边缘特征图上从骨架线n个点向边缘的最近k个点拟合的圆，以圆直径为烟丝宽度，并根据cale因子生成烟丝真实宽度。

需要说明的是，边缘图上的点代表着图像中物体的边缘。从骨架线上选择一定数量的点，数量为n。这些点可以是在骨架线上均匀分布的点，以确保对烟丝的完整表示。对于每个骨架线上的点，选择它们最近的k个边缘图上的点，其中k大于等于2。这些点将用于后续拟合圆的操作。对于每个骨架线上的点，选择的k个最近邻点将被用于拟合一个圆。可使用拟合算法(例如最小二乘法)，将这些点拟合到一个圆上。在拟合的圆中，计算直径。圆的直径代表了烟丝在骨架线上的宽度。将圆的直径乘以scale因子，以将图像中提取的烟丝宽度从像素单位映射到实际物理尺寸。

进一步地，在本实施例中，还可以计算烟丝的卷曲率，卷曲率是一个描述烟丝形态变化的参数。当卷曲率接近1时，表示烟丝相对较直；当卷曲率远离1时，表示烟丝发生了一定程度的卷曲或扭曲。通过卷曲率的数值，可以形容烟丝的整体形状的变形程度，具体地，烟丝外接矩形框长度和真实长度的比值。即卷曲率＝外接矩形长度/真实长度。

在本发明一个可能的实现方式中，还包括：将所述烟丝的类别、所述烟丝宽度与长度绘制在GUI界面的图表中。

需要说明的是，请参阅图3，将烟丝检测的关键结果，包括类别、长度、宽度和中线等信息，以直观的图表形式呈现在GUI界面上。这可以包括条形图、折线图、散点图等，以清晰显示每个检测到的烟丝的特征。GUI界面能够实时更新检测结果，以反映系统对图像进行处理和分析后得到的最新信息。这使得用户能够在实时性的基础上观察和分析烟丝的检测情况。提供保存检测结果的功能，允许用户将当前的检测结果保存为文件，以备将来参考或分析。这样的保存功能可以有不同的格式，如文本文件、CSV文件或其他通用的数据存储格式。针对每个烟丝，保存其详细信息，包括但不限于类别、长度、宽度、卷曲率、面积占比等。

请参阅图4，本发明第二实施例提供了一种烟丝的形态检测装置，包括：

预处理单201，用于获取由图像采集装置对传送带上的烟丝进行采集的烟丝图像，对所述烟丝图像进行预处理以生成所述烟丝的目标框位置；

多流处理单元202，用于对所述烟丝图像进行多流处理，以生成所述烟丝图像的边缘特征图；

骨架细化处理单元203，用于对所述边缘特征图进行骨架细化处理，以生成所述烟丝图像的中心线特征图；

形态学计算单元204，用于根据所述目标框位置，在所述边缘特征图和所述中心线特征图上计算所述烟丝的形态学，以生成烟丝宽度与长度。

本发明第三实施例提供了一种烟丝的形态检测设备，包括存储器以及处理器，所述存储器内存储有计算机程序，所述计算机程序能够被所述处理器执行，以实现如上任意一项所述的一种烟丝的形态检测方法。

本发明第四实施例提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序能够被所述计算机可读存储介质所在设备的处理器执行，以实现如上任意一项所述一种烟丝的形态检测方法。

基于本发明提供的一种烟丝的形态检测方法、装置、设备及可读存储介质，先获取由图像采集装置对传送带上的烟丝进行采集的烟丝图像，对所述烟丝图像进行预处理以生成所述烟丝的目标框位置；接着，对所述烟丝图像进行多流处理，以生成所述烟丝图像的边缘特征图；再接着，对所述边缘特征图进行骨架细化处理，以生成所述烟丝图像的中心线特征图；最后根据所述目标框位置，在所述边缘特征图和所述中心线特征图上计算所述烟丝的形态学，以生成烟丝宽度与长度。解决了现有烟丝检测存在功能单一、速度慢、精度低的问题。

示例性地，本发明第三实施例和第四实施例中所述的计算机程序可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述实现一种基于循环充放电的电池自建模设备中的执行过程。例如，本发明第二实施例中所述的装置。

所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种烟丝的形态检测方法的控制中心，利用各种接口和线路连接整个所述实现对一种烟丝的形态检测方法的各个部分。

所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现一种烟丝的形态检测方法的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、文字转换功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、文字消息数据等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

其中，所述实现的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一个计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。