基于图像识别的烟叶烘烤过程中阶段控温点的判断方法技术

本发明专利技术公开了一种基于图像识别的烟叶烘烤过程中阶段控温点的判断方法，其中，所述方法包括：获取烘烤的烟叶图像；对所述烟叶图像进行预处理，得预处理图像；将所述预处理图像输入到烟叶烘烤阶段控温点识别模型中，判断烘烤烟叶是否处于阶段控温点。本发明专利技术通过提取出烟叶颜色特征、主脉颜色特征、烟叶纹理特征和面积比特征等烟叶的主要特征，并与CNN卷积特征共同建立烟叶烘烤阶段控温点识别模型，以此预测烟叶的烘烤阶段控温点，进而可为烟叶的智能化烘烤提供依据。能化烘烤提供依据。能化烘烤提供依据。

【技术实现步骤摘要】
基于图像识别的烟叶烘烤过程中阶段控温点的判断方法


[0001]本专利技术涉及一种基于图像识别的烟叶烘烤过程中阶段控温点的判断方法，属于烟叶烘烤


技术介绍

[0002]烟叶烘烤是烟草生产工艺中的一个重要步骤，目的是促进烟叶变黄和烘干。烘烤工艺一般将烟叶烘烤分为变黄期、定色期、干筋期三个阶段，每个阶段又细分为若干小阶段。在烘烤过程中，烘烤工程师通过观察来调整烤房内部的温湿度，使其严格按照烘烤工艺规程，以保证烟叶烘烤质量。然而通过各个烘烤工程师的经验来识别各阶段的控温点的方法，存在操控难度大，费时费力，需要人员多，烘烤质量参差不齐的问题。

技术实现思路

[0003]基于上述，本专利技术提供一种基于图像识别的烟叶烘烤过程中阶段控温点的判断方法，可以自动识别出烘烤烟叶的各阶段控温点，以克服现有技术的不足。
[0004]本专利技术的技术方案是：基于图像识别的烟叶烘烤过程中阶段控温点的判断方法，其中，所述方法包括：
[0005]获取烘烤的烟叶图像；
[0006]对所述烟叶图像进行预处理，得预处理图像；
[0007]将所述预处理图像输入到烟叶烘烤阶段控温点识别模型中，判断烘烤烟叶是否处于阶段控温点。
[0008]可选的，所述烟叶烘烤阶段控温点识别模型的训练方法为：
[0009]获取训练烟叶图像，所述训练烟叶图像为烘烤过程中不同阶段控温点对应的烟叶图像；
[0010]从所述训练烟叶图像中提取烟叶特征，获得烟叶主要特征向量和CNN卷积特征向量；
[0011]将所述烟叶主要特征向量和CNN卷积特征向量拼接成一个图像特征向量；
[0012]将所述图像特征向量输入到分类器中，由所述分类器按照对应阶段控温点进行分类。
[0013]可选的，所述烟叶主要特征向量至少包括烟叶颜色、主脉颜色、烟叶纹理和面积比特征。
[0014]可选的，所述烟叶颜色特征的提取方法为：
[0015]将所述预处理图像由RGB空间转换为HSV空间；
[0016]计算所述RGB空间和所述HSV空间中的每个通道的平均值，得R1，G1，B1，H1，S1，V1六个值，作为整体的烟叶颜色特征值。
[0017]可选的，所述主脉烟叶特征的提取方法为：
[0018]对所述预处理图像进行分割处理，得茎部图像；
[0019]将所述茎部图像由RGB空间转换为HSV空间；
[0020]计算烟叶主筋脉在所述RGB空间和所述HSV空间中各通道的平均值，得R2，G2，B2，H2，S2，V2六个值，作为主脉颜色特征值。
[0021]可选的，所述烟叶纹理特征的提取方法为：采用灰度共生矩阵算法提取烟叶的纹理特征值，所述纹理特征值包括对比度、熵、自相关和能量。
[0022]可选的，所述烟叶面积比特征值的提取方法为：
[0023]计算烟叶当前烘烤时刻的烟叶面积值，为当前烟叶面积值；
[0024]计算烟叶初始烘烤时刻的烟叶面积值，为初始烟叶面积值；
[0025]计算当前烟叶面积值与初始烟叶面积值的比值，即为烟叶面积比特征值。
[0026]可选的，所述CNN卷积特征向量的提取方法为：根据预训的卷积神经网络的各卷积层参数，提取所述预处理图像的述CNN卷积特征；其中，所述预训的卷积神经网络的各卷积层参数的获取方法为：
[0027]获取训练烟叶图像，所述训练烟叶图像为烘烤过程中不同阶段控温点对应的烟叶图像；
[0028]以所述烟叶图像对应阶段控温点的类别作为训练的标签，对卷积神经网络进行预训；
[0029]预训完成后，提取卷积神经网络的各卷积层参数，作为CNN自动提取特征。
[0030]可选的，所述预处理包括以下步骤：
[0031]对所述烟叶图像进行图像去噪，得去噪图像；
[0032]对所述去噪图像进行颜色校正，得校正图像；
[0033]对所述校正图像进行前景细化，得细化图像；
[0034]对所述细化图像进行前景分割，得前景图像。
[0035]可选的，根据烟叶烘烤工艺曲线，所述阶段控温点包括变黄初期控温点，变黄前期控温点，变黄中期控温点，变黄后期控温点，定色前期控温点，定色中期控温点，定色后期控温点，干筋前期控温点，干筋中期控温点和干筋后期控温点。
[0036]本专利技术的有益效果是：本专利技术通过提取出烟叶颜色特征、主脉颜色特征、烟叶纹理特征和面积比特征等烟叶的主要特征，并与CNN卷积特征共同建立烟叶烘烤阶段控温点识别模型，以此预测烟叶的烘烤阶段控温点，进而为烟叶的智能化烘烤提供依据。本专利技术可有效解决传统烘烤方法存在的，通过各个烘烤工程师的经验来识别烘烤阶段控温点存在的操控难度大，费时费力，需要人员多，烘烤质量参差不齐的问题。
附图说明
[0037]图1为本专利技术实施例的方法流程图；
[0038]图2为卷积神经网络结构图。
具体实施方式
[0039]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面对本专利技术的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本专利技术。但是本专利技术能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发
明内涵的情况下做类似改进，因此本专利技术不受下面公开的具体实施的限制。
[0040]请参阅图1，本专利技术实施例基于图像识别的烟叶烘烤过程中阶段控温点的判断方法，其中，所述方法包括：
[0041]S1获取烘烤的烟叶图像；
[0042]在烟叶烘烤过程中，可通过摄像头拍摄烟叶的烘烤图像。具体地，可每隔半分钟、一分钟等采集一次烟叶图像。在采集到烟叶图像后，可将该烟叶图像传输到烟叶烘烤智能终端。
[0043]烟叶烘烤智能终端是烟叶烘烤设备的控制中心，在烟叶烘烤智能终端内可输入烟叶烘烤工艺曲线，使烟叶的烘烤按照烟叶烘烤工艺曲线进行。具体地，在烟叶烘烤过程中，烟叶烘烤智能终端可通过干湿球检测到烤房内的实际温湿度，可通过加热设备控制烤房的加热，通过排湿设备例如排湿窗控制烤房的排湿。
[0044]S2对所述烟叶图像进行预处理，得预处理图像；
[0045]在图像分析中，图像质量的好坏直接影响识别算法的设计与效果的精度，因此在图像分析(特征提取和识别等)前，需要进行预处理。图像预处理的主要目的是消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性、最大限度地简化数据，从而改进特征提取、图像分割、匹配和识别的可靠性。针对烟叶烘烤的现场条件和采集到的真实图片数据，本实施例提出包含图像去噪、颜色校正、前景细化、前景分割为主要步骤的图像预处理方案。
[0046]具体地，图像预处理包括以下步骤：
[0047]S21对所述烟叶图像进行图像去噪，得去噪图像。
[0048]图像去噪是指减少数字图像中噪声的过程。现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响，称为含噪图像或噪声图像。常用的图像去噪算法包括均值滤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于图像识别的烟叶烘烤过程中阶段控温点的判断方法，其中，所述方法包括：获取烘烤的烟叶图像；对所述烟叶图像进行预处理，得预处理图像；将所述预处理图像输入到烟叶烘烤阶段控温点识别模型中，判断烘烤烟叶是否处于阶段控温点。2.根据权利要求1所述的判断方法，其中，所述烟叶烘烤阶段控温点识别模型的训练方法为：获取训练烟叶图像，所述训练烟叶图像为烘烤过程中不同阶段控温点对应的烟叶图像；从所述训练烟叶图像中提取烟叶特征，获得烟叶主要特征向量和CNN卷积特征向量；将所述烟叶主要特征向量和CNN卷积特征向量拼接成一个图像特征向量；将所述图像特征向量输入到分类器中，由所述分类器按照对应阶段控温点进行分类。3.根据权利要求2所述的判断方法，其中，所述烟叶主要特征向量至少包括烟叶颜色、主脉颜色、烟叶纹理和面积比特征。4.根据权利要求3所述的判断方法，其中，所述烟叶颜色特征的提取方法为：将所述预处理图像由RGB空间转换为HSV空间；计算所述RGB空间和所述HSV空间中的每个通道的平均值，得R1，G1，B1，H1，S1，V1六个值，作为整体的烟叶颜色特征值。5.根据权利要求3所述的判断方法，其中，所述主脉烟叶特征的提取方法为：对所述预处理图像进行分割处理，得茎部图像；将所述茎部图像由RGB空间转换为HSV空间；计算烟叶主筋脉在所述RGB空间和所述HSV空间中各通道的平均值，得R2，G2，B2，H2，S2，V2六个值，作为主脉颜色特征值。6.根据权利要求3所述的判断方法，其中，所述...

【专利技术属性】
技术研发人员：韦克苏，涂永高，王丰，姜均，武圣江，李德仑，张灵，蓝海波，汤继中，
申请(专利权)人：贵州省烟草科学研究院，
类型：发明
国别省市：