[发明专利]一种基于深度学习的烟叶收购定级系统及定级方法

权利要求书

1.一种基于深度学习的烟叶收购定级系统，其特征在于：

包括本地收购工作站和等级结果显示大屏幕，本地收购工作站与等级结果显示大屏幕电性连接，

烟叶图像采集设备，

云端识别服务器，

深度学习识别模型，该深度学习识别模型置于云端识别服务器中，基于深度学习技术构建，可对不同收购站发来的待测烟叶图像进行存储、识别、定级，并将结果返回给各收购站。

2.根据权利要求1所述的一种基于深度学习的烟叶收购定级系统，其特征在于：所述本地收购工作站为放置于烟草收购点的小型服务器。

3.根据权利要求1所述的一种基于深度学习的烟叶收购定级系统，其特征在于：所述烟叶图像采集设备有称重模块、摄像模块、网络模块、灯光模块构成，当烟农将待测烟叶放到该烟叶图像采集设备上后，灯光模块根据现场亮度情况对待测烟叶进行打灯，保证摄像模块能够获取到较高质量的待测烟叶图像，同时网络模块将所获的待测烟叶图像与待测烟捆重量发送给云端服务器。

4.根据权利要求3所述的一种基于深度学习的烟叶收购定级系统，其特征在于：所述烟叶图像采集设备的各个模块通过控制模块进行控制，控制模块为树莓派，称重模块、摄像模块、网络模块、灯光模块分别与树莓派电性连接，当烟农将待测烟捆放入称重系统后，树莓派控制LED灯打开之后，并控制摄像头对待测烟叶进行全方位的拍照，然后控制通信模块将图片反馈给本地工作站，本地工作站再通过以太网将所获图片发送给云端服务器，同时，称重器所测得的待测烟叶重量将一并发送给本地工作站。

5.一种基于深度学习的烟叶收购定级方法，其特征在于：该方法包括以下步骤：

S1：建立烟叶级别数据库，数据库中包含按照等级划分的烟叶的图片以及重量属性信息；

S2：对S1步骤建立的图片数据库进行格式转换，用于深度学习模型的训练；

S3：搭建深度学习识别模型；建立深度学习建立识别模型，加载S2步骤中所转换的烟叶图片数据，对模型进行训练；

S4：使用烟叶图像采集设备采集待测烟叶的图片；

S5：将图片传到云端使用模型进行烟叶定级；

S6：云端返回定级结果到本地显示并进行价格结算；

收购系统根据返回的定级结果、待测烟捆质量以及该等级的烟叶价格进行结算，将各项信息包括烟农信息、烟捆定级结果、烟捆质量以及最终结算价格存放在数据库中，重复上述的S4步骤、S5步骤、S6步骤即是收购过程中烟叶定级系统的运转流程。

6.根据权利要求5所述的一种基于深度学习的烟叶收购定级方法，其特征在于：所述深度学习模型具有自学习功能，根据不断增加的烟叶数据，学习烟叶的等级特征。

7.根据权利要求5所述的一种基于深度学习的烟叶收购定级方法，其特征在于：在所述S2步骤中，对数据库中的烟叶图片进行格式转换，训练集文件包含CSV文件和图像文件；CSV文件存储所有的烟叶训练图片的图片名和它们对应的真实标签，图像文件存储所有的烟叶训练图片。

8.根据权利要求5所述的一种基于深度学习的烟叶收购定级方法，其特征在于：在所述S2步骤中，转换的数据分为训练集和测试集，测试集文件夹中的CSV文件和训练集文件中的CSV文件不同，测试集文件夹中的CSV文件只包含测试图像的图片名，通过训练训练集中的烟叶图片来对测试集中的烟叶图片进行预测。

9.根据权利要求5所述的一种基于深度学习的烟叶收购定级方法，其特征在于：在所述S3步骤中，使用训练集对模型进行训练，之后使用测试集对模型进行测试，再根据结果改进模型，通过这样不断的迭代，最终使模型的定级精度满足市场要求，之后将模型放在服务器中，供各个收购工作站使用。

10.根据权利要求5所述的一种基于深度学习的烟叶收购定级方法，其特征在于：在所述S6步骤中，定级结果返回给收购站后，输出到收购站系统大屏幕上供烟农查看。