一种烟叶颜色在线数值化识别方法
【技术领域】
[0001] 本发明属于烟草制品生产领域，涉及一种识别方法，特别是涉及一种烟叶颜色在 线数值化识别方法。
【背景技术】
[0002] 烟叶的质量主要是包含烟叶的外观质量，烟叶的感官评吸质量，烟叶的物理质量， 以及烟叶化学成分的协调性，烟叶的可用性与烟叶的配伍性；烤烟烟叶的颜色与烟叶化学 成分中的尼古丁，总糖有显著相关性，也与感官评吸的香气质与香气量有极显著相关；烟叶 颜色基本上能够反映出烟叶的品质；烤烟的颜色是烟叶外观质量的一个重要组成部分；目 前，烟叶外观质量的颜色是采用人工判断，由于环境和人的状态不稳定导致结果具有较大 的不确定性，检测速度比较慢等缺点；烟叶属于农作物，同一烟叶产区的烟叶颜色波动较 大，如何快速准确的识别烟叶制品的外观质量颜色，为烟叶内在品质的调控做好铺垫具有 重要的意义。
[0003] 烟叶外观质量颜色的识别主要有三种方法；
[0004] 第一种为人工打分，这种方法的缺点就在于打分的随意性比较大，具有较高的不 确定性，另外人工打分的速度比较慢；
[0005] 第二种为基于近红外的烟叶颜色识别，近红外的光谱中是有烟叶的颜色信息，在 近红外领域，烟叶的外观质量颜色的识别用一般的方法比如，PCA(主成分分析），DPLS(定 性偏最小二乘），基于范数（光谱的相关性，夹角余弦，距离）是不能够把烟叶的外观颜色 给识别出来，这主要是由于近红外光谱是一种吸收相互重叠的信号，并且近红外光谱中具 有大量的非烟叶颜色信息，使用近红外光谱的连续投影提取烟叶颜色红外信息去除无用信 息后是基本能够把烟叶的浓强中弱淡给识别出来，但是近红外颜色模型需要的样本量比较 大，年度之间颜色的变化会为烟叶的近红外识别模型带来大量维护的工作，此外近红外仪 器一般造价比较昂贵，不利于烟叶外观质量颜色的大规模应用；
[0006] 第三种为基于相机的烟叶颜色识别，基于相机图像的识别，通常的做法是对烟叶 图像或者把烟叶的图像转化为RGB/HIS(孟塞尔颜色系统）与烟叶人工打分颜色做BP(人 工神经网络），RBF(径向神经网络），MLR(多元线性回归），PLS(定量偏最小二乘），一方面 采用BP，回归方法必须样本量足够多，否则会因为找不到波动样本使得检测误差变大；第 二由于人工颜色打分的不确定性较大这个误差会传递到模型中，因此在用BP，PLS的时候 又不能以最小误差为原则进行训练校正样本，否则会产生过拟合；在线烟叶的梗，与反面信 息也会对打分产生很大干扰。
[0007] 因此，如何提供一种烟叶颜色在线数值化识别方法，以解决现有技术中无法快捷 并且准确的获取烟叶的外观质量颜色信息，无法更好地调控烟叶品质等种种缺陷，实已成 为本领域从业者亟待解决的技术问题。
【发明内容】
[0008] 鉴于以上所述现有技术的缺点，本发明的目的在于提供一种烟叶颜色在线数值化 识别方法，用于解决现有技术中无法快捷并且准确的获取烟叶的外观质量颜色信息，无法 更好的在后续加工过程中调控烟叶品质的问题。
[0009] 为实现上述目的及其他相关目的，本发明提供一种烟叶颜色在线数值化识别方 法，应用于在线生产的烟叶样本，预先通过人工按照颜色深浅度变化原则将需要在线生产 的烟叶样本排序并进行第一次分类，每一在线生产的烟叶样本具有一个人工预测烟叶颜色 值；所述烟叶颜色在线数值化识别方法包括以下步骤：采集所述在线生产的烟叶样本的原 始烟叶图像；对所述原始烟叶图像进行相应处理以提取所述在线生产的烟叶样本的孟塞尔 信号；对所述在线生产的烟叶样本的孟塞尔信号进行连续投影；计算所述在线生产的烟叶 样本的烟叶颜色投影特征值；根据所述烟叶颜色投影特征值对所述在线生产的烟叶样本进 行第二次分类；判断所述第一次分类与所述第二次分类是否具有一致性；若是，则表示分 类成功，结束进程；若否，则表示分类失败，则返回采集步骤。
[0010] 可选地，对所述原始烟叶图像进行相应处理以提取所述在线生产的烟叶样本的 孟塞尔信号的步骤包括：预处理所述原始烟叶图像；识别预处理后的烟叶图像中的特殊区 域；剔除该特殊区域的色度空间；提取所述在线生产的烟叶样本的孟塞尔信号。
[0011] 可选地，对所述在线生产的烟叶样本的孟塞尔信号进行连续投影的步骤包括：对 所述在线生产的烟叶样本的孟塞尔信号进行归一化处理；线性投影，建立颜色预测模型； 确定目标函数；优化线性投影的方向。
[0012] 可选地，按照X'ij=Xi/Xj_，对所述在线生产的烟叶样本的孟塞尔信号进行归 一化处理；其中，Xij为所述在线生产的烟叶样本的孟塞尔信号数据，i为所述在线生产的烟 叶样本中的第i个样本；j为所述在线生产的烟叶样本中第j个指标；Xj _为第j个指标的 样本最大值。
[0013] 可选地，线性投影，建立颜色预测模型步骤包括随机抽取若干个初始投影向量 a(apa2,a3，…，am)，其中，m为3维单位向量。
[0014] 可选地，所述目标函数定位为初始投影向量的类内距离与投影向量的类内密度的 乘积，即Q(a) =s(a) ?(!&)，其中，a为所述初始投影向量，Q(a)为所述目标函数，s(a)为 所述初始投影向量的类内距离，d(a)为所述初始投影向量的类内密度。
[0015] 可选地，优化线性投影的方向的步骤是指当所述目标函数Q(a)取最大值时所对 应的投影方向即为所需最优投影方向。
[0016] 可选地，计算所述在线生产的烟叶样本的烟叶颜色投影特征值的步骤是根据烟叶 m 颜色投影特征值的计算公式：^ ，其中，Zi为第i个烟叶样本的烟叶颜色投影特征 值，a」为第j个初始投影向量，x'u为归一化后在线生产的烟叶样本的孟塞尔信号数据。
[0017] 可选地，判断所述第一次分类与所述第二次分类是否具有一致性的依据为计算所 述在线生产的烟叶样本的烟叶投影值与每一在线生产的烟叶样本具有一个人工预测烟叶 颜色值之间的相关系数是否大于第一相关阈值，若是，则表示所述在线生产的烟叶样本的 烟叶投影值与人工预测烟叶颜色值高度相关，分类成功，结束进程；若否，则继续判断计算 的所述在线生产的烟叶样本的烟叶投影值与每一在线生产的烟叶样本具有一个人工预测 烟叶颜色值之间的相关系数是否大于第二相关阈值，若是，则表示所述在线生产的烟叶样 本的烟叶投影值与人工预测烟叶颜色值中度相关；若否，则表示所述在线生产的烟叶样本 的烟叶投影值与人工预测烟叶颜色值低度相关，返回采集步骤。
[0018] 如上所述，本发明所述的烟叶颜色在线数值化识别方法，具有以下有益效果： [0019] 第一，烟叶原料的颜色波动比较大，人工的打分随意性比较强，剔除异常颜色信息 后直接对HSV值做投影，而不关联人工的颜色值，能够快速的把烟叶真实的信息给提取出 来，并且与人工打分的一致性比较强；实现了工业相机的快速准确检测，并且打分标尺较为 稳定；
[0020] 第二，按照本发明的方法，经过数据比对得出，烟叶的识别方法与产地的关系不是 很大，从而大量的减少了烟叶颜色的样本作量；
[0021] 第三，对于烤机出口的片烟，因为其片烟是由复考工艺与原烟的叶组配方混合而 成，其颜色一方面受工艺的影响比较大较挑选线普遍颜色偏深，另一方面由于叶组配方的 混合，片烟的颜色更加趋于中心化，使得专业人员很难从原烟的颜色理论判别；在共识样本 的前提下验证烤后片烟颜色的分辨度，此方法能够较好的取得与专业分级人员的一致性， 对烤后片烟颜色的识别具有较强的实用意义与对定性理论定量化具有较强的借鉴意义。
【附图说明】
[0022] 图1显示为本发明的烟叶颜色在线数值化识别方法流程示意图。
[0023] 图2显示为本发明的烟叶颜色在线数值化识别方法中步骤S2的具体流程示意图。
[0024] 图3显示为本发明的烟叶颜色在线数值化识别方法中步骤S3的具体流程示意图。
[0025] 图4显示为本发明的烟叶颜色在线数值化识别方法中步骤S6的具体流程示意图。
[0026] 图5显示为本发明的烟叶颜色在线数值化识别方法与
[0027] 元件标号说明
[0028] S1 ~S6 步骤
【具体实施方式】
[0029] 以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书 所揭露的内容