[发明专利]基于残差网络的烟叶分级方法、电子设备及存储介质

说明书

本发明提供了一种基于多分支注意力机制残差网络的烟叶分级方法、电子设备及存储介质，方法包括：采集不同等级的烟叶图像并按照等级进行分类存储，并将烟叶图像进行预处理；将预处理后的烟叶图像按照特定比例划分为训练集、验证集和测试集；搭建多分支注意力机制残差网络模型，设置优化器、损失函数和监控指标对多分支注意力机制残差网络模型进行装配；将训练集和验证集送入装配好的多分支注意力机制残差网络模型进行训练，获取训练好的多分支注意力机制残差网络模型；通过训练好的多分支注意力机制残差网络模型对待测烟叶图像进行分级。以提高烟叶分级质量，减少人工工作量，提高生产效率。

技术领域

本文件涉及残差网络技术领域，尤其涉及一种基于多分支注意力机制残差网络的烟叶分级方法、电子设备及存储介质。

背景技术

烟叶在生产过程中受到的影响因素非常复杂，烟叶品质优劣不一，只有经过分级加工，才能使质量相对一致的烟叶列为同一等级，使各种烟叶的质量得到充分体现，进而根据卷烟工业的需要，合理利用烟叶资源，发挥优质烟叶最大效益，更好的促进商业经营。目前采用的烟叶分级方法是人工分级，主要依靠分级工经验和视觉、触觉感官反馈进行烟叶等级判断，这使得分级变得耗时耗力且具有很大的主观性。所以，一种快速、稳定、客观、准确的分级方法尤为重要。

近年来，烟叶分级方法的研究主要集中在通过烟叶图像提取与人工分级相关的特征，如颜色、纹理和几何形状等，然后使用一定的分类方法进行烟叶分级。对于相邻等级的烟叶，其图像特征相近，这容易导致识别率下降，分级效果不稳定，并且这种方法依赖人工提取特征，工作繁琐。

发明内容

本发明提供一种基于多分支注意力机制残差网络的烟叶分级方法、电子设备及存储介质，旨在解决上述问题。

本发明提供了一种基于多分支注意力机制残差网络的烟叶分级方法，包括：

采集不同等级的烟叶图像并按照等级进行分类存储，并将烟叶图像进行预处理；

将预处理后的烟叶图像按照特定比例划分为训练集、验证集和测试集；

搭建多分支注意力机制残差网络模型，设置优化器、损失函数和监控指标对多分支注意力机制残差网络模型进行装配；

将训练集和验证集送入装配好的多分支注意力机制残差网络模型进行训练，获取训练好的多分支注意力机制残差网络模型；

通过训练好的多分支注意力机制残差网络模型对待测烟叶图像进行分级。

本发明提供了一种电子设备，包括：

处理器；以及，

被安排成存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器执行如上述基于多分支注意力机制残差网络的烟叶分级方法的步骤。

本发明提供了一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现如上述基于多分支注意力机制残差网络的烟叶分级方法的步骤。

通过采用本发明实施例，采用基于多分支注意力机制残差网络的烟叶分级方法，使用残差结构使得网络容易训练，同时防止出现梯度消失和梯度爆炸的问题。在残差块中，将特征分为两个分支并使用注意力机制，可以学习更多得特征，并加强对重要通道特征的学习。在图像进行训练和测试之前，先进行图像预处理，可以有效减少背景和小面积烟叶等其他因素的影响，保证图像质量，对数据做数据增强，保证了训练数据的充足。本发明方法可以有效提高烟叶分级质量，减少人工工作量，提高生产效率。

附图说明

为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。