(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 20221086804 4.0 (22)申请日 2022.07.21 (71)申请人 芜湖启迪睿视信息技 术有限公司 地址 241000 安徽省芜湖市弋江区高新 技 术产业开发区服务外包产业园3号楼 1902室 (72)发明人 吴彬　 (74)专利代理 机构 上海申新 律师事务所 31272 专利代理师 党蕾 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/13(2017.01) G06T 7/62(2017.01) G06V 10/25(2022.01) G06V 10/28(2022.01)G06V 10/44(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) (54)发明名称 基于视觉特征融合的烟叶分级方法及系统 (57)摘要 本发明提供一种基于视觉特征融合的烟叶 分级方法及系统， 属于烟叶分级 技术领域， 包括： 步骤S1， 从第一烟叶图像中提取出待分类烟叶的 感兴趣区域； 步骤S2， 根据第一烟叶图像和感兴 趣区域提取得到低维特征； 步骤S3， 基于卷积神 经网络从光源下的第二烟叶图像中提取得到高 维特征； 步骤S4， 将低维特征与高维特征进行合 并， 得到联合特征； 步骤S5， 将联合特征输入至一 分类器中， 输出待分类烟叶的分级结果。 有益效 果： 本发明通过低维特征和高维特征进行融合， 从而基于视觉特征融合进行烟叶分级， 提高了分 级结果的准确率和效率。 权利要求书2页 说明书6页 附图3页 CN 115358972 A 2022.11.18 CN 115358972 A 1.一种基于 视觉特征融合的烟叶分级方法， 其特 征在于， 包括： 步骤S1， 从第一烟叶 图像中提取 出待分类烟叶的感兴趣区域； 步骤S2， 根据所述第一烟叶 图像和所述感兴趣区域 提取得到低维特 征； 步骤S3， 基于卷积神经网络从光源下的第二烟叶 图像中提取 得到高维特 征； 步骤S4， 将低维特 征与高维特 征进行合并， 得到联合特 征； 步骤S5， 将所述联合特 征输入至一分类 器中， 输出 所述待分类烟叶的分级结果。 2.根据权利要求1所述的基于视觉特征融合的烟叶分级方法， 其特征在于， 所述步骤S1 中， 所述感兴趣区域的提取 方法包括： 步骤S11， 对所述第一烟叶图像进行预处理， 所述预处理至少包括灰度化转换、 中值滤 波处理中的任意 一种或多种组合； 步骤S12， 获取烟叶边 缘信息， 并进行 形态学转换获得烟叶边 缘二值图； 步骤S13， 提取所述烟叶边缘二值图的轮廓， 并对所述轮廓进行过滤， 保留轮廓面积最 大的所述轮廓； 步骤S14， 填充保留的所述轮廓， 并创建烟叶模板； 步骤S15， 将所述第一烟叶图像与所述烟叶模板的像素值按位与处理， 提取得到所述感 兴趣区域。 3.根据权利要求2所述的基于视觉特征融合的烟叶分级方法， 其特征在于， 所述步骤S2 中， 所述低维特征至少包括所述感兴趣区域在HSV各通道的取样 像素值的均值与方差、 烟叶 形态坐标、 烟叶残 伤面积占比中的任意 一种或多种组合。 4.根据权利要求3所述的基于视觉特征融合的烟叶分级方法， 其特征在于， 所述烟叶形 态坐标的提取 方法包括： 在保留的所述轮廓中建立辅助二维坐标系， 所述辅助二维坐标系的横坐标与像素坐标 系的纵坐标相同， 所述辅助二维坐标系的纵坐标与所述像素坐标系的像素坐标系的横坐标 相反； 提取烟叶的长度方向和宽度方向的端点 坐标， 得到所述烟叶形态坐标。 5.根据权利要求3所述的基于视觉特征融合的烟叶分级方法， 其特征在于， 所述烟叶残 伤面积占比的 的提取方法包括： 其中， 表示第i个所述轮廓的轮廓面积； TSmax表示轮廓面积 对应的最大阈值； Cmax表示 所述轮廓面积最大的所述轮廓； Cratio表示所述烟叶残 伤面积占比。 6.根据权利要求1所述的基于视觉特征融合的烟叶分级方法， 其特征在于， 所述步骤S3 中， 还包括： 基于K均值 算法对所述高维特 征进行聚类， 划分元 素个数； 所述高维特 征包括h个元 素， 其中， h为所述K均值 算法的聚类参数。 7.根据权利要求1所述的基于视觉特征融合的烟叶分级方法， 其特征在于， 所述步骤S4 中， 所述分类 器为Light GBM分类器。 8.一种基于视觉特征融合的烟叶分级系统， 用于实施如权利要求1 ‑7任意一项所述的权　利　要　求　书 1/2 页 2 CN 115358972 A 2基于视觉特征融合的烟叶分级方法， 其特 征在于， 包括： 第一图像采集模块， 用于采集第一烟叶 图像； 第二图像采集模块， 用于采集 光源下的第二烟叶 图像； 图像预处理模块， 连接所述第 一图像采集模块， 用于进行图像预处理， 提取烟叶的感兴 趣区域； 特征提取模块， 包括： 第一特征提取单元， 连接所述图像预处理模块， 用于提取低维特 征； 第二特征提取单元， 连接所述第二图像采集模块， 用于基于卷积神经网络提取高维特 征； 构建联合特征模块， 连接所述特征提取模块， 用于将低维特征与高维特征进行合并， 得 到联合特 征； 分类模块， 连接所述构建联合特征模块， 所述分类模块中预置有分类器， 用于根据 所述 联合特征输出待分类烟叶的分级结果。 9.根据权利要求8所述的基于视觉特征融合的烟叶分级系统， 其特征在于， 所述图像预 处理模块基于Open  CV算子进行图像预处 理。 10.根据权利要求8所述的基于视觉特征融合的烟叶分级系统， 其特征在于， 所述特征 提取模块还 包括： 划分单元， 连接所述第二特征提取单元， 用于基于K均值算法对所述高维特征进行聚 类， 划分元 素个数。权　利　要　求　书 2/2 页 3 CN 115358972 A 3