[发明专利]一种基于机器视觉和AI深度学习的烤烟等级识别建模方法有效

专利信息
申请号: 202110361452.2 申请日: 2021-04-02
公开(公告)号: CN113516617B 公开(公告)日: 2023-05-05
发明(设计)人: 龙杰;张晓伟;刘宇晨;张轲;孙浩巍;张冀武;蔡洁云;李郸;顾健龙;杨青 申请(专利权)人: 云南省烟草质量监督检测站
主分类号: G06T7/00 分类号: G06T7/00;G06V10/75;G06V10/764;G06N20/00
代理公司: 北京华清迪源知识产权代理有限公司 11577 代理人: 张永维
地址: 650106 云*** 国省代码: 云南;53
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 机器 视觉 ai 深度 学习 烤烟 等级 识别 建模 方法
【说明书】:

发明公开了一种基于机器视觉和AI深度学习的烤烟等级识别建模方法,所述方法为:建立基础层级模型,按照控制项以及部位、颜色和综合外观档次四种因素,通过烟叶层级样品,建立外观基础层级模型;烟叶等级样品与基础模型的匹配,使用与基础模型建立相同的机器视觉手段,先通过控制项的匹配,确定应剔除的青杂层级,再对部位、颜色和综合外观档次分别进行三个维度的匹配,每个等级在每个维度都能匹配到一个层级区间;烟叶等级识别,将待识别烟叶在每个维度的匹配值与前述的各维度层级区间段进行匹配,完成烟叶的等级识别。本发明解决了现有AI识别烟叶等级准确率波动性大、适配性差的问题。

技术领域

本发明涉及烤烟等级识别领域,具体涉及一种基于机器视觉和AI深度学习的烤烟等级识别建模方法。

背景技术

当前基于机器视觉和AI深度学习实现智能识别烟叶等级的常用建模流程为:“烟叶样品→等级标定→机器视觉→AI深度学习,特征提取→形成识别算法→识别烟叶等级”。此流程中,“烟叶样品→等级标定”的准确性会对最终的AI识别效果产生巨大影响。

等级判定的依据是GB2635-92《烤烟》国标,但《烤烟》国标中仅进行了主观感受的文字描述,缺少客观物理度量参数。实际判定完全依赖于人体感官,不同的人理解不同,判定结果存在差异,即使是相同的人,在不同时段、不同使用环境中,判定结果也会发生波动。每年审定的不同品种,不同地区国家烤烟基准样品、省级仿制标样,也存在明显的外观差异。用于指导收购的对照样品,按要求需要数天一换,每次制作的样品也不可能一样。上述种种原因造成“等级标定”具有较大的不确定性。

按一般AI深度学习的规律,样品学习得越多,结果的准确性越高。但是由于烟叶样品等级的不确定,使得难以形成一套能够长期使用,具有广泛适应性的识别逻辑。在实际验证中甚至出现了学习样品越多,准确性反而下降的问题。

实际烟叶收购需在有限时间内完成。一个收购点要面对来自不同种植地域、气候、品种和生产水平的烟叶,同一等级烟叶可能存在较大的外形差异,收购前建立的有限模型无法完全适应,必须随时调整甚至重新建模。依照现有的建模方式,单一等级建模需要制作500~1000片等级样品,每个收购点每年收购至少涉及十余个等级,每个等级的模型需要多次调整,需耗费大量的人力、物力和时间,与收购期间的其他工作存在冲突。

现有建模方式所获得的人工智能,在实际验证中发现,AI等级识别结果普遍存在部位识别不清,准确率波动性大、适配性差的问题。

发明内容

为此,本发明提供一种基于机器视觉和AI深度学习的烤烟等级识别建模方法,以解决现有AI识别烟叶等级准确率波动性大、适配性差的问题。一次建模即可长期使用,针对不同地区、不同特征的等级要求,使用少量等级样品进行匹配即可完成建模调整。

为了实现上述目的,本发明提供如下技术方案:

本发明公开了一种基于机器视觉和AI深度学习的烤烟等级识别建模方法所述方法为:

建立基础层级模型,按照控制项以及部位、颜色和综合外观档次四种因素,通过烟叶层级样品,建立外观基础层级模型;

烟叶等级样品与基础模型的匹配,使用与基础模型建立相同的机器视觉手段,先通过控制项的匹配,确定应剔除的青杂层级,再对部位、颜色和综合外观档次分别进行三个维度的匹配,每个等级在每个维度都能匹配到一个层级区间;

烟叶等级识别,将待识别烟叶在每个维度的匹配值与前述的各维度层级区间段进行匹配,完成烟叶的等级识别。

进一步地,所述基础模型包括控制项、部位、颜色和综合外观档次四个因素,各因素的排序分档依靠专业人员参考烟叶的质量相关标准进行,人数不少于3人,排序一致性需60%以上人员同意,叶片两两对比过程中,判别要素较强者,则层级+1,如果无法判定显著性的强弱,则标为同一层级。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于云南省烟草质量监督检测站,未经云南省烟草质量监督检测站许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110361452.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top