图像识别关键技术在烟草生产中的应用研究

图像识别关键技术在烟草生产中的应用
研究
2上海烟草集团北京卷烟厂有限公司，上海市杨浦区长阳路717号。

摘要：本文探讨了灰度化处理、二值化处理、形态学滤波、图像特征提取、图像可视化等图像识别关键技术，分析其在烟草生产环节的多场景应用，并搭建
了图像识别实验平台，结果表明，本文中的算法能够精确实现烟叶的位置检测、
颜色检测，实现优化生产控制，及时发现质量隐患，为产品质量稳定升级提供技
术支撑。

关键词：图像识别；人工智能；数字滤波；Canny边缘检测算法
1研究背景及意义
图像识别是人工智能领域一门新兴的技术，是未来工业发展的主流方向。

而
烟草行业的智能化、数字化水平依然偏低，一些生产环节存在控制方式落后、传
感器工作不稳定的问题，图像识别技术凭借着自身强大的计算分析能力、多场景
应用能力，可以很好的解决这类问题。

本文以烟草实际生产过程为应用背景，深入探讨了图像类型转换、图像滤波、特征提取等图像识别关键技术的原理和应用，并搭建了图像识别实验平台，通过
图像识别算法对烟叶进行快速准确地位置、颜色检测等，弥补传统传感器场景可
用性差的缺点，优化工艺生产过程控制，进而提高生产效率、提升经济效益。

2图像识别关键技术
2.1 图像类型转换
（1）获取灰度图像
灰度图像是每个像素只有一个采样颜色的图像，这类图像通常显示为从黑色
到白色的灰度。

通常，电子产品显示彩色采用的是RGB模型，RGB模型也称为加
色混色模型，是以R（红）G（绿）B（蓝）三色光互相叠加来实现混色的方法，
而灰度化就是使彩色图像的R、G、B分量相等的过程，即令R=G=B，此时的彩色
表示的就是灰度颜色，当R=G=B=255时，灰度值达到最高，显示为白色，反之则
显示为黑色。

（2）获取二值化图像
图像二值化（Image Binarization）就是将图像上的像素点的灰度值设置为
0或255两种状态，整个图像只呈现出黑色和白色。

对图像进行二值化处理时，
通过设置一个阈值T将图像分成两部分：大于T的像素值取255，小于T的像素
值取0，公式如下所示：
（1）
二值化处理会将图像信息简化成黑白两种状态，灰度图像被检测物体边缘与
背景的对比度不高，当两者颜色相近时，计算机就会无法有效识别。

处理后的图
像变成了黑白图像，被检测物体与背景之间的边缘轮廓更加明显，可以实现对目
标的精准检测。

2.2 图像滤波与增强
（1）形态学运算
形态学是基于形状处理图像的一种图像处理运算，它将设计的结构元素应用
于输入图像，从而创建相同大小的输出图像，最基本的形态学运算是膨胀和腐蚀。

膨胀是求邻域中所有元素的最大值并填充到对应像素位置的运算，将图像与
结构元素进行卷积，得到邻域内图像像素的最大值，并把这个最大值赋给指定的
像素点。

公式如下所示：
（2）
腐蚀是求邻域中所有元素的最小值并填充到对应像素位置的运算，将图像与
结构元素进行卷积，得到邻域内图像像素的最小值，并把这个最小值赋给指定的
像素点。

公式如下所示：
（3）（2）均值滤波器
均值滤波是一种线性滤波算法，它通过一个n×n的邻域算子h(x,y)与目标
像素及其邻域内的像素矩阵f(x,y)进行运算，得到该区域内所有像素点的平均值，并将其赋值给该目标像素点g(x,y)的运算过程。

公式如下所示：
（4）记为：
（5）其中，g为滤波后得到的函数，f为图像原函数，h为邻域算子。

图像信息经过均值滤波后，该邻域内的所有像素的平均值会被写入到目标像
素点，图像中的噪点会被平滑处理，图像的颗粒感减弱，进而减小噪声的干扰。

2.3 图像分析
（1）基于Canny 算法和基于 Sobel 算法的图像边缘检测
sobel边缘检测算法的工作原理是：首先利用sobel算子获取图像梯度值，
提取灰度差值信息；其次利用单阀值进一步提取图像中目标的边界信息。

Canny边缘检测算法的工作原理是：首先对图像进行高斯滤波，减小噪声；
其次利用sobel算子分别计算x，y方向梯度分量及梯度方向；最后对梯度进行
非极大值抑制，使用双阈值对边缘进一步检测和增强。

（2）图像膨胀填充与平滑处理
Canny边缘检测算法获得烟叶图像的二值掩膜，二元梯度掩膜显示图像中高
对比度的线条，与原始图像相比，梯度掩膜中对象周围的线条有间隙。

使用两个
垂直线性结构元素膨胀 Canny图像，消除线性间隙，并对图像空洞进行填充。

为
了使对象看起来自然，用菱形结构元素对图像腐蚀两次来平滑处理对象。

3算法测试与验证
本文基于XG-X系列视觉系统搭建了烟叶图像识别实验平台。

该系统搭载了
多核DSP的执行环境，可以同时连接多台超高像素6400 万像素彩色相机、线型
扫描相机或3D 检测用相机，不仅可以检测执行已经创建的检测设定，还可以从
设定画面确认、编辑检测流程内容和显示画面设定，具有处理能力强、检测精度高、可扩展能力强的特点
为了验证实验平台的工作效果，本文以黄色、黄褐色、深褐色三种不同类型
的烟叶为测试对象，采用目标颜色识别、目标轮廓识别两种方式进行实验。

目标颜色识别是对特定颜色烟叶进行颜色标定，以该标定颜色为基础对图像
灰度值进行分析，在该灰度阈值内的烟叶会被检测出来。

实验结果表明，在黄色、黄褐色、深褐色三种颜色烟叶同时出现的情况下，图像识别系统能够精确检测出
指定颜色的烟叶，识别率分别达到99%、98%、100%。

目标轮廓识别是检测烟叶的轮廓，通过对烟叶图像进行梯度边缘检测，可以
得到图像中烟叶的位置。

实验结果表明，小尺寸烟叶的识别率达到97%，大尺寸
烟叶的识别率达到100%。

4结论
本文以探讨了图像识别关键技术在烟草生产加工过程中的应用，摄像头采集
生产过程中的烟叶图像，经过灰度化处理、二值化处理、形态学滤波、图像特征
提取、图像可视化等算法运算，得到烟叶的特征信息，基于特征信息实现对烟叶
颜色、轮廓等一系列特征的判断，指导系统做出相应的控制动作。

烟叶图像识别可以用于烟草加工的各个环节。

图像识别可以检测输送皮带上
是否存在烟叶，用于控制设备动作和状态切换，实现对生产加工过程的控制；图
像识别可以检测储叶柜内是否残留烟叶，避免烟叶残留造成混料，在物料进柜前实现预警；图像识别可以检测切丝机排链上是否粘连烟叶，并控制机械臂等执行装置进行清扫，避免烟叶粘连过厚造成切丝机排链打滑。

参考文献
[1]王圣捷. 基于深度学习的喃字图像识别算法研究[D].浙江大学,2023.
[2]郭峰,赵冬娥,杨学峰,褚文博,张斌,张大舜,孟凡军.铁质破片的高光谱图像识别研究[J].光谱学与光谱分析,2023,43(04):997-1003.
[3]付灵傲. 基于深度学习与多示例学习的病理图像细胞识别[D].电子科技大学,2022.DOI:10.27005/ki.gdzku.2022.000311.
[4] Hao Y , Liang W , Yang L , et al. Methods of image recognition of overhead power line insulators and ice types based on deep weakly-supervised and transfer learning[J]. IET generation, transmission & distribution, 2022(11):16.
[5]宋明睿. 基于图像识别的中空纤维膜组件完整性检测系统[D].北京邮电大学,2021.DOI:10.26969/ki.gbydu.2021.001610.。