(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 202210582088.7 (22)申请日 2022.05.26 (71)申请人 广东工业大 学 地址 510090 广东省广州市越秀区东 风东 路729号 (72)发明人 蔡念　袁安　吴志良　欧伟程　 王晗　 (74)专利代理 机构 广州粤高专利商标代理有限 公司 44102 专利代理师 郑堪泳 (51)Int.Cl. G06T 7/136(2017.01) G06T 7/11(2017.01) G06T 7/12(2017.01) G06T 7/62(2017.01)G06V 10/764(2022.01) G06V 10/74(2022.01) G06V 10/25(2022.01) G06Q 10/06(2012.01) (54)发明名称 一种基于机器视觉的沉香质量检测方法 (57)摘要 本发明提供一种基于机器视觉的沉香质量 检测方法， 该方法对沉香进行定位， 切割出沉香 所处附近区域， 以节省后续碳线寻优的耗时， 在 碳线全局寻优时先对权重系数进行寻优， 找到最 能够突出真实碳线与裂口差异的三个权重系数， 再将求得的权重系数代入到特征向量中计算每 个目标与真实碳线之间的相异度； 求得的某一个 目标的相异度越小， 说明该目标越有可能是真实 碳线， 最后通过对每个目标迭代 寻优找出相异度 最小的目标， 该目标即视为真实碳线； 此时即完 成了对沉香碳线的高速粗定位， 即完成了碳线的 全局寻优； 进而对沉香灰烬的缩灰率， 以及碳线 高度进行检测， 再以此两个指标对沉香品质进行 层级评估。 权利要求书4页 说明书16页 附图4页 CN 115018873 A 2022.09.06 CN 115018873 A 1.一种基于 机器视觉的沉香质量检测方法， 其特 征在于， 包括以下步骤： S1： 对沉香进行定位， 切割出沉 香所处附近区域； S2： 对沉香碳线进行权重系数寻优， 找到最能够突出真实碳线与裂口差异的三个权重 系数， 将求得 的权重系 数代入到特征向量中计算每个目标与真实碳线之间的相异度； 求得 的某一个目标 的相异度越小， 说明该目标越有可能是真实碳线， 最后通过对每个目标迭代 寻优找出相异度最小的目标， 该目标即视为真实碳线， 即完成了对沉香碳线的高度粗定位， 完成了沉 香碳线的全局寻优； S3： 对步骤S2完成全局寻优的碳线进行局部寻优完成对沉香碳线进行精细定位， 即完 成了对沉 香碳线的高度精定位； S4： 对步骤S3中完成精定位的沉 香碳线进行缩灰率计算即完成对沉 香质量的评估。 2.根据权利要求1所述的基于机器视觉的沉香质量检测方法， 其特征在于， 所述步骤S2 中， 由于向量之间的相似度采用相异度进行反向度量， 相异度越小的两个向量越相似， 因 此， 令D(x,r1),…,D(x,rn)表示未知模式向量x和已知模式向量r1,r2,…,rn之间的相异度的 符号， 若： D(x,r1)≤D(x,r2)    (1) 则称未知模式向量x与已知模式向量r1更相似； 未知模式向量x与第i个已知模式向量ri之间的Eucl idean距离记作DE(x,ri)定义为： 其中i＝1,2,3, …,n， Euclidean距离等于零的两个向量完全相似， 即： 若： 则称ri∈{r1,…,rn}是到x的近邻即最近的邻 居， 这个近邻也就是在进行全局寻优时要 找的沉香碳线； 相异度的求解一有一个共同的基准， 也就是未知模式向量x， 然后将所有的已知模式向 量r1,r2,…,rn与x代入公式(2)进行求解相异度， 则可以得知哪一个已知模式向量ri与未知 模式向量x最相似。 3.根据权利要求2所述的基于机器视觉的沉香质量检测方法， 其特征在于， 所述步骤S2 中， 由于存在半径大小不同的沉香， 它的碳线的各种特征也在发生变化， 即没有一个固定的 已知向量来求解相异度， 为此通过观察真实的沉香碳线以及裂口这种伪目标 的特点后， 发 现当检测到的目标的宽度越接近沉香的直径就越有可能是沉香碳线， 并且当目标的连通域 面积越接近目标的外接矩形面积， 以及目标的最小外接矩形的面积越接近外接矩形面积 时， 该目标就越有可能是沉香碳线； 所以针对沉香碳线的特殊情况， 相异度 的求解公式如 (5)所示， τ 的不断变化代表 寻找碳线时迭代到的不同的目标， 由式(5)也可得知随着目标的 不同， 求解相异度的两个向量都是在不断变化的： 权　利　要　求　书 1/4 页 2 CN 115018873 A 2其中， τ＝1,2, …,n， l为沉香线香的宽度， 也就是真实沉香碳 线的宽度， Aτ为目标的连通域的面积， Sτ为连通域外接矩形的面积， lτ λ为目标的宽度， Sτ λ连 通域最小外接矩形的面积； 为解决长度和面积不在一个维度上的问题， 将长度转化为面积， 即将原xτ和rτ转化为 x′τ和r′τ， 再代入式(5)中求 解相异度： 通过式(5)求得所有目标的相异度， 然后迭代寻优寻找相异度最小的目标， 并将其视为 沉香碳线， 但是实际上目标的宽度， 面积， 最小外接矩形的面积分别对相异度求解的最 终结 果的贡献显然应该是不一样的， 为 此给x′τ和r′τ里的每一个特征 分别加了β1, β2, β3三个不同 的系数： 其中β1+β2+β3＝1， 通过设置β1, β2, β3三个系数的值， 使真实沉香碳线的相异度与其他伪 目标的相异度差异最大， 当差异最大时即意味着这组系数对碳线全局寻优是最佳的系数。 4.根据权利要求3所述的基于机器视觉的沉香质量检测方法， 其特征在于， 所述步骤S3 中， 利用灰度值来对碳线进行局部寻优的， 由于不同类型 的沉香和不同的光照环境下燃烧 时的碳线中央最黑的地方的灰度值并不一定是一样的， 需拟定一个适用于不同情况下的求 解碳线上下边界灰度阈值的方法， 也 就是说对于碳线的搜寻需要一个自适应阈值： 在求解碳线上下边界灰度阈值之前， 先对碳线粗定位框选出来的那一部分进行图像切 割， 不同的碳线高度切割的数量也是不同的， 式(6)中的l0表示碳线粗定位后 的下边沿位 置， h表示上边沿位置， [ ]表示向上取整符号， m表示碳线中央位置， 式(7)中， k表示碳线粗 定位区域图像切割的数量， 通过对各种沉香样品碳线粗定位之后的碳线高度进行统计之 后， 发现碳线高度最小的一批是在40 到45之间， 将式(7)中的分母设置为 4： 5.根据权利要求4所述的基于机器视觉的沉香质量检测方法， 其特征在于， 所述步骤S3权　利　要　求　书 2/4 页 3 CN 115018873 A 3