(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 202210395834.1 (22)申请日 2022.04.14 (71)申请人 鼎云 （上海） 科技有限公司 地址 201203 上海市浦东 新区芳春路40 0号 1幢3层 (72)发明人 薛原　奎总　李杰　陈文兵　 (74)专利代理 机构 上海浦一知识产权代理有限 公司 3121 1 专利代理师 焦天雷 (51)Int.Cl. G06V 10/762(2022.01) G06V 10/77(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) (54)发明名称 基于计算机视觉的烟叶分级方法和系统 (57)摘要 本发明公开了一种基于计算机视觉的烟叶 分级方法， 包括： 获取烟叶图像； 提取烟叶图像复 杂特征对应的烟叶图像基本特征； 烟叶图像复杂 特征包括： 形状、 色度、 杂色占比和成熟度； 烟叶 图像基本特征是用于描述烟叶图像复杂特征的 烟叶图像的固有参数； 将烟叶图像的复杂特征对 应的基本 特征所构成的特征向量进行降维， 选取 方差贡献率最高的前X个主成分， X大于1； 对X个 主成分进行聚类处理， 获得烟草图像复杂特征的 初始量化等级； 对每个烟草图像复杂特征判断类 内一致性， 选取烟草图像复杂特征的最终量化等 级； 将烟草图像每个特征的最终量化等级根据指 定顺序排序， 并进行标识。 本发明能将烟叶分级 精确量化， 实现更精准的烟叶分级。 权利要求书3页 说明书9页 附图1页 CN 115049865 A 2022.09.13 CN 115049865 A 1.一种基于计算机 视觉的烟叶分级方法， 其特 征在于， 包括以下步骤： S1， 获取烟叶 图像； S2， 提取烟叶 图像复杂特 征对应的烟叶 图像基本特征； 烟叶图像复杂特 征包括： 形状、 色度、 杂色占比和成熟度； 烟叶图像基本特征是用于描述烟叶 图像复杂特 征的烟叶 图像的固有参数； S3， 将烟叶图像的复杂特征对应的基本特征所构成的特征向量进行降维， 选取方差贡 献率最高的前 X个主成分， X 大于1； S4， 对X个主成分进行聚类处 理， 获得烟草图像复杂特 征的初始量 化等级； S5， 对每个烟草图像复杂特征判断类内一致性， 设置阈值选取合适的类别作为烟草图 像复杂特 征的最终量 化等级； 所述类内一致性： 依据每个量化等级内所有烟叶复杂特征所对应所有基本特征归一化 后方差的加权统计； 或， 通过DBSCAN方法排除类内的异常样本； S6， 将烟草图像 每个特征的最终量 化等级根据指定顺序排序， 并进行 标识。 2.如权利要求1所述基于计算机视觉的烟叶分级方法， 其特征在于： 烟叶图像复杂特征 中的形状采用以下 方式获得； 基于大津阈值法对烟叶图像进行二值化处理， 寻找其中最大连通域得到其轮廓信息， 将轮廓内包含的像素总数视为烟叶的面积， 轮廓内所有像素在单一方向上最大的投影长度 视为其长度， 与其长度方向垂直的最大像素占有个数为宽度， 轮廓所占像素点个数为周长 。 3.如权利要求1所述基于计算机视觉的烟叶分级方法， 其特征在于： 烟叶图像复杂特征 中的色度采用以下 方式获得； 对烟叶图像进行阈值二值化处理， 同时每个像素点应该满足R通道的值应该大于B通道 值的3倍； 对烟叶图像进行 前景和背景分离， 提取烟叶 图像掩膜； 根据烟叶 图像掩膜将烟叶 图像的背景区域置为0； 选取烟叶前 景提取烟叶 图像在此区间内不同的颜色空间中的均值。 4.如权利要求1所述基于计算机视觉的烟叶分级方法， 其特征在于： 烟叶图像复杂特征 中的杂色采用以下 方式获得； 采用分水岭算法， 将图像进行多区域的分割， 提取面积在前M个的区域的颜色统计RGB 均值加入这个区域的像素面积， 构成其特 征向量， M大于1。 5.如权利要求1所述基于计算机视觉的烟叶分级方法， 其特征在于： 烟叶图像复杂特征 中的成熟度采用以下 方式获得； 统计烟叶 图像在HSV空间上的直方图表达成熟度。 6.如权利要求1所述基于计算机 视觉的烟叶分级方法， 其特 征在于， 包括： 实施步骤S3时， 执行PCA降维， 在方差贡献率之和大于90 ％的特征向量中选取方差贡献 率最高的前 X个主成分。 7.如权利要求1所述基于计算机 视觉的烟叶分级方法， 其特 征在于： 实施步骤S4时， 采用K均 值聚类， 量化级别为K值， 获得烟草图像复杂特征的最终量化等 级， K为大于1的整数；权　利　要　求　书 1/3 页 2 CN 115049865 A 2或， 采用K ‑pototypes算法、 CLARANS算法、 BIRCH算法、 CURE算法、 DBSCAN算法或CLIQUE 算法。 8.一种基于计算机 视觉的烟叶分级系统， 其特 征在于： 摄像模块， 其用于拍摄烟叶 图像； 特征提取模块， 其用于提取烟叶 图像复杂特 征对应的烟叶 图像基本特征； 烟叶图像复杂特 征包括： 形状、 色度、 杂色占比和成熟度； 烟叶图像基本特征是用于描述烟叶 图像复杂特 征的烟叶 图像的固有参数； 特征处理模块， 其用于将烟叶图像的复杂特征对应的基本特征所构 成的特征向量进行 降维， 选取 方差贡献率 最高的前 X个主成分， X 大于1； 量化等级模块， 其用于对X个主成分进行聚类处理， 获得烟草图像复杂特征的初始量化 等级， 对每个烟草图像复杂特征判断类内一致性， 设置阈值选取合适的类别作为烟草图像 复杂特征的最终量 化等级； 所述类内一致性： 依据每个量化等级内所有烟叶复杂特征所对应所有基本特征归一化 后方差的加权统计； 或， 通过DBSCAN方法排除类内的异常样本； 标识模块， 其用于将烟草图像每个特征的最终量化等级根据指定顺序排序， 并进行标 识。 9.如权利要求8所述基于计算机视觉的烟叶分级系统， 其特征在于： 特征提取模块采用 以下方式获得烟叶 图像复杂特 征中的形状； 基于大津阈值法对烟叶图像进行二值化处理， 寻找其中最大连通域得到其轮廓信息， 将轮廓内包含的像素总数视为烟叶的面积， 轮廓内所有像素在单一方向上最大的投影长度 视为其长度， 与其长度方向垂直的最大像素占有个数为宽度， 轮廓所占像素点个数为周长 。 10.如权利要求8所述基于计算机视觉的烟叶分级系统， 其特征在于： 特征提取模块采 用以下方式获得烟叶 图像复杂特 征中的色度； 对烟叶图像进行阈值二值化处理， 同时每个像素点应该满足R通道的值应该大于B通道 值的3倍； 对烟叶图像进行 前景和背景分离， 提取烟叶 图像掩膜； 根据烟叶 图像掩膜将烟叶 图像的背景区域置为0； 选取烟叶前 景提取烟叶 图像在此区间内不同的颜色空间中的均值。 11.如权利要求8所述基于计算机视觉的烟叶分级系统， 其特征在于： 特征提取模块采 用以下方式获得烟叶 图像复杂特 征中的杂色； 采用分水岭算法， 将图像进行多区域的分割， 提取面积在前M个的区域的颜色统计RGB 均值加入这个区域的像素面积， 构成其特 征向量， M大于1。 12.如权利要求8所述基于计算机视觉的烟叶分级系统， 其特征在于： 特征提取模块采 用以下方式获得烟叶 图像复杂特 征中的成熟度； 统计烟叶 图像在HSV空间上的直方图表达成熟度。 13.如权利要求8所述基于计算机 视觉的烟叶分级方法， 其特 征在于： 特征处理模块执行PCA降维， 在方差贡献率之和大于90％的特征向量中选取方差贡献 率最高的前 X个主成分。权　利　要　求　书 2/3 页 3 CN 115049865 A 3