[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

说明书

本发明揭示了一种基于深度学习的烟叶收购定级系统及定级方法，该烟叶收购定级系统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。烟叶图像采集设备采用智能控制模块结合LED灯、摄像头采集烟叶图像数据，并将数据通过网络传输到云端服务器。云端识别服务器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。置于云端识别服务器中的识别算法基于深度学习技术构建，具有自学习能力。本技术方案基于计算机视觉，使用深度学习模型，通过事先建立的数据库使模型进行监督学习，根据每个等级的烟叶的特征来对待测烟叶进行定级，其烟叶定级的准确率和效率可大幅度提升。

技术领域

本发明涉及一种基于深度学习的烟叶收购定级系统及定级方法，可用于计算机视觉和物联网技术领域。

背景技术

烤烟烟叶的收购工作是整个烟草产业的重要组成部分，而正确的对烟农生产的烤烟进行成色定级又是整个收购工作的重点内容，保证对烟叶进行正确的定级不但能保证烟草生产效益最大化，而且可以提升烟农生产的积极性，增加烟农的经济收入。这不但有利于整个烟草行业的稳定发展，更有利于社会的稳定与幸福。

现行的烟叶分级标准，根据烟叶的成熟度、叶片结构、身份、油分、色度、长度、残伤等七个外观品级因素区别级别。分为下部柠檬黄色4个级、橘黄色4个级；中部柠檬黄色4个级；橘黄色4个级；上部柠檬黄色4个级、橘黄色4个级、红棕色3个级；完熟叶2个级；中下部杂色2个级、上部杂色3个级；光滑叶2个级；微带青4个级、青黄色2个级，共42个级别。但在实际的收购过程中，42个等级过于繁杂，因此在每年的收购中实行9级制（以陕西安康地区为例），包括下桔三、二，中桔四、三、二，中拧三，上桔四、三、二共九个等级。这样的定级制度大大降低了识别模型的复杂度，并且能提高模型识别定级的准确度。且评级主要来源于待测烟叶的色泽、长度、残损度三个方面，且其中色泽占更主要的方面，因此精确的识别待测烟叶的色泽是定级是否准确的最主要的影响因素。而深度学习模型对于图像分类工作有着出色的表现，对于烟叶定级再合适不过了。

目前的烟草收购工作中，主要是通过人工定级的方式，并且定级人员的专业水平参差不齐，且定级时含有主观因素，因此常常会出现偏差，有失公平，常常激起烟草收购站与烟农的矛盾。并且人工定级收购速度慢，效率低，并且还要为此付出大量的人力物力，造成不必要的浪费与麻烦。

发明内容

本发明的目的就是为了解决现有技术中存在的上述问题，提出一种基于深度学习的烟叶收购定级系统及定级方法。

本发明的目的将通过以下技术方案得以实现：一种基于深度学习的烟叶收购定级系统，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。

优选地，所述本地收购工作站为放置于烟草收购点的小型服务器。

优选地，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。