基于自适应聚类和色差分析的烟草异物在线识别算法研究.pdfVIP

第 25卷 第 6期 重 庆 教 育 学 院学 报 Vo1．25 No．6 2012年 11月 JournalofChongqingEducationCollege November，20I12 基于 自适应聚类和色差分析的烟草异物 在线识别算法研究 姚富光 ．王小青 (1．重庆第二师范学院 数学与信息工程系，重庆 400067；2．重庆科学技术咨询中心，重庆 400000) 摘要：提出一种利用聚类和色差分析的烟草异物在线识别算法，采用 自适应ISODATA聚类取单元颜色特征，并 分析烟叶和异物各分量的分布差异。将单元特征各分量根据直方图分布量化到HIS颜色空间中，从而得到样本学习 结果_并进行识别。实验结果表明，该算法的平均识别率达到95％，误识率在5％以下。 关键词 ：自适应 ISODATA聚类；色差分析；烟草异物 ；在线识别 中图分类号 ：TP391 文献标识码 ：A 文章编号 ：1008—6390(2012)06—0027—04 机进行逐行扫描．摄人24位真彩色的物流信息。通 1 引言 过图像采集卡将摄入的图像数据传送到计算机，经 烟草物料分选及杂质和异物的剔除是香烟生产 计算机图像处理与识别软件处理后．将表示异物位 过程中非常重要的一个环节 ．因为烟叶中不同程度 置信号的数据发送至气喷控制单元．控制相应位置 的参杂有不利于生产的异物(如：麻绳、纸片、霉变烟 的喷嘴将相应位置的异物剔除。受剔除系统的限制， 叶等)，甚至含有对人体有害的物质(橡胶、塑料等)， 通常 以判别单元为识别对象．判别单元的大小为 严重影响香烟的品质。传统的方法是通过人工筛选 ． 20x20像素．即需要将实时采集的图像划分为20x 效果很不理想。随着科技进步和 自动化程度的提高， 20的小块进行处理 。因此 ，需要提取待测单元 的颜 烟草在线检测和分选装置逐渐取代了原来的人工操 色特征加以识别 作．其核心内容是烟草异物的在线识别算法。由于生 2．2 自适应 ISODATA聚类算法 产线上烟叶的传输量大．速度快．因此算法的执行效 ISODATA算法是动态聚类 中最有效的方法之 率直接制约着分选的速度 过去常用的算法是考察 一 ， 其主要特点有：第一，它不是每调整一个样本的 测试单元 中有多少个像素的颜色在规定的阈值外 ． 类别就重新计算一次各类样本的均值，而是在每次 如果这样的像素超过一定比例则认为是包含有异物 把全部样本都调整完毕之后才重新计算一次样本的 (像素一阈值法)，该算法受图像质量影响较大，识别 均值。第二．ISODATA算法不仅能通过调整样本所 率不高。本文通过 自适应 ISODATA聚类提取单元 属类别完成聚类分析 ．而且还能 自动地进行类的 合“ 颜色特征，并分析异物和烟叶的色度差异和分布 ．提 并”和 “分裂”．从而得到类数较为合理的各个聚类。 出了一种以单元整体作为考察对象的识别算法 通过分析可知．对于给定样本，在聚类条件确定 的情况下．聚类结果和收敛速度很大程度取决于初 2 自适应 ISODATA法提取单元颜色特征 始聚类中心的选择 但 由于 ISODATA 中初始聚类 2．1 识别系统及原理简介 中心的选择是随机的．当初始聚类 中心的选择与样 该系统的工作原理为：烟草与异物混合的物流 本分布不适应的时候，收敛