(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211429961.5 (22)申请日 2022.11.16 (71)申请人 山东中烟工业有限责任公司青州卷 烟厂 地址 262500 山东省潍坊市青州市玲珑山 北路1818号 (72)发明人 杨静　王新亭　邓来宏　张纯旺　 (74)专利代理 机构 郑州知倍 通知识产权代理事 务所(普通 合伙) 41191 专利代理师 邱珍珍 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/12(2017.01) G06T 7/13(2017.01) G06T 7/62(2017.01)A24C 5/34(2006.01) (54)发明名称 基于机器视觉的烟丝结构检测方法 (57)摘要 本发明涉及图像处理技术领域， 具体涉及一 种基于机器视觉的烟丝结构检测方法。 该方法获 取烟丝二值图像， 对烟丝二值图像细化处理得到 的烟丝骨架， 根据烟丝骨架 长度筛选出碎丝区域 和整丝区域。 获得整丝区域的边缘轮廓， 获得骨 架像素点到边缘轮廓点的近邻边缘点集合， 以骨 架像素点和对应近邻边缘点集合形成的区域进 行边缘趋势分析， 获得边缘变化特征指标， 根据 整丝区域中的角点获得角点特征指标， 根据角点 特征指标和边缘变化特征指标构建的烟丝易碎 程度指标筛选出破损整丝区域和完好整丝区域。 本发明通过图像处理方法， 根据烟丝图像特征对 烟丝区域进行划分， 实现了对烟丝结构的检测。 权利要求书2页 说明书8页 附图3页 CN 115496753 A 2022.12.20 CN 115496753 A 1.一种基于 机器视觉的烟丝结构检测方法， 其特 征在于， 所述方法包括： 获得烟丝二值图像； 根据所述烟丝二值图像获取每个烟丝的烟丝区域； 对所述烟丝区 域细化处理得到烟丝骨架； 根据所述烟丝骨架的像素点数量在所述烟丝二值图像中筛选出 碎丝区域和整丝区域； 获得所述整丝区域的边缘轮廓， 所述烟丝骨架将所述边缘轮廓分为两个子边缘轮廓； 根据所述烟丝骨架上目标骨架像素点到目标子边缘轮廓点的距离， 获得所述目标骨架像素 点的近邻边缘点集合； 以所述目标骨架像素点为圆心获得对应所述近邻边缘点集合形成区 域的内接圆和外接圆； 根据所述目标骨架像素点与所有其他骨架像素点对应的内接圆半径 差异和外接圆半径差异获得边缘变化特征指标； 获得每个骨架像素点在每个所述子边缘轮 廓上的边 缘变化特 征指标； 获得所述烟丝区域中的角点， 根据所述角点的数量和分布获得角点特 征指标； 根据所述角点特征指标和所述边缘变化特征指标构建烟丝易碎程度指标； 根据 所述烟 丝易碎程度指标在所述整丝区域中筛 选出破损整丝区域和完好整丝区域。 2.根据权利要求1所述的一种基于机器视觉的烟丝结构检测方法， 其特征在于， 获得烟 丝二值图像包括： 通过风选室去除烟丝中的其他杂物获得散落烟丝， 采集散落烟丝的RGB图像； 对所述 RGB图像进行滤波处理， 并将所述RGB图像转换为灰度图像； 对所述灰度图像进行大津阈值 分割获得 所述烟丝二 值图像。 3.根据权利要求1所述的一种基于机器视觉的烟丝结构检测方法， 其特征在于， 所述烟 丝区域细化处 理得到烟丝骨架包括： 采用Hilditch算法对所述烟丝区域进行细化处理， 获得所述烟丝区域的所述烟丝骨 架。 4.根据权利要求1所述的一种基于机器视觉的烟丝结构检测方法， 其特征在于， 根据 所 述烟丝骨架的像素点数量在所述烟丝二 值图像中筛 选出碎丝区域和整丝区域包括： 将所述烟丝二值图像中的各个所述烟丝骨架的像素点数量组成数量序列； 并所述数量 序列进行Mann ‑Kendall异常值检测， 获得所述数量序列中的数量异常值； 并将所述数量异 常值对应的所述烟丝区域记为所述碎丝区域， 其 余所述烟丝区域记为所述整丝区域。 5.根据权利要求1所述的一种基于机器视觉的烟丝结构检测方法， 其特征在于， 所述内 接圆半径差异获取 方法包括： 根据所述骨架像素点的位置将对应的内接圆半径排列， 获得内接圆半径序列， 对所述 内接圆半径序列进 行adtk异常值检测获得对应的内接圆半径异常值； 在所述内接圆半径序 列中对所述内接圆半径异常值的位置进行插值， 以每个插值数据与内接圆半径的差值绝对 值作为内接圆半径差异； 所述外接圆半径差异包括： 根据所述骨架像素点的位置将对应的外接圆半径排列， 获得外接圆半径序列， 对所述 外接圆半径序列进 行adtk异常值检测获得对应的外接圆半径异常值； 在所述外接圆半径序 列中对所述外接圆半径异常值的位置进行插值， 以每个插值数据与外接圆半径的差值绝对 值作为外 接圆半径差异。 6.根据权利要求5所述的一种基于机器视觉的烟丝结构检测方法， 其特征在于， 所述边权　利　要　求　书 1/2 页 2 CN 115496753 A 2缘变化特 征指标的获取 方法包括： 根据所述内接圆半径差异和所述外接圆半径差异获得边缘变化特征指标， 所述边缘变 化特征指标包括： 其中， 为边缘变化特征指标， 为常数系数， 为所述目标骨架像素点的内接圆 半径， 为所述目标骨架像素点的外接圆半径， 为所述内接圆半径序列中的第 个插值 数据， 为所述外接圆半径序列中的第 个插值数据， 为内接圆半径序列中的内接圆半 径异常值数量， 为外接圆半径序列中的外 接圆半径 异常值数量。 7.根据权利要求1所述的一种基于机器视觉的烟丝结构检测方法， 其特征在于， 所述角 点特征指标的获取 方法包括： 对所述烟丝区域进行角点检测， 获得 所述烟丝区域中角点； 根据所述角点的坐标采用DBSCAN聚类算法对所述角点进行聚类， 获得至少一个聚类 簇， 以所述聚类簇的数量作为分布指标； 将所述角点的数量与所述分布指标相乘， 获得角点 特征指标。 8.根据权利要求1所述的一种基于机器视觉的烟丝结构检测方法， 其特征在于， 所述烟 丝易碎程度指标获取 方法包括： 根据所述角点特征指标和所述边缘变化特征指标构建的烟丝易碎程度指标公式， 所述 烟丝易碎程度指标公式包括： 其中， 为烟丝易碎程度指标， 为所述角点特征指标， 为所述烟丝骨架上的像 素点数量， 为所述烟丝骨架上的第 个像素点与一条边缘轮廓 的边缘变化特 征， 为所述烟丝骨架上的第 个像素点与另一条子边 缘轮廓的边 缘变化特 征。 9.根据权利要求1所述的一种基于机器视觉的烟丝结构检测方法， 其特征在于， 根据 所 述烟丝易碎程度指标在整丝区域中筛 选出破损整丝区域和完好整丝区域包括： 将所述烟丝易碎程度指标进行归一 化处理获得烟丝易碎程度； 当所述烟丝易碎程度大于预设阈值时， 将所述烟丝区域记为破损整丝区域； 当所述烟丝易碎程度小于等于预设易碎程度阈值 时， 将所述烟丝区域记为完好整丝区 域。权　利　要　求　书 2/2 页 3 CN 115496753 A 3