一种烤烟淀粉含量的快速无损检测方法技术

本发明专利技术提出一种烤烟淀粉含量的快速无损检测方法，用以解决现有技术中采用连续流动法测定烤烟淀粉含量，不仅需要复杂的实验操作，而且需要用到浓盐酸等进行前处理，给实验人员人身安全带来一定威胁的技术问题。本发明专利技术包括采集烤后烟叶的样本图像并测定其淀粉含量、对样本图像预处理、构建卷积神经网络回归模型并进行训练、最后利用训练后的卷积神经网络回归模型测定烤烟淀粉含量等步骤，以烤后烟叶图像为输入值，通过卷积神经网络回归模型对烤后烟叶中的淀粉进行采样并进行回归拟合，最后输出烤后烟叶所对应的淀粉含量值，从而完成烤烟淀粉含量的测定，实现快速高效测定烤烟中淀粉的含量，且准确率高，安全性强。安全性强。安全性强。

【技术实现步骤摘要】
一种烤烟淀粉含量的快速无损检测方法


[0001]本专利技术涉及烤烟质量评价
，具体涉及一种烤烟淀粉含量的快速无损检测方法。

技术介绍

[0002]烤烟质量评价是卷烟工业在原料调拨与卷烟配方设计方面的重要参考依据，尤其是淀粉含量的高低关系对烤烟品质的形成有重要影响，烤后烟叶淀粉含量控制在8%
‑
10%最佳，故此每年各烟叶产区、卷烟企业以及高校科研机构花费大量的人力物力财力进行烤烟淀粉含量的测定，而当前烤烟淀粉含量的测定多采用连续流动法进行测定，而这种测定方法不仅需要复杂的实验操作而且需要用到浓盐酸等进行前处理，这给实验人员人身安全带来一定的威胁。
[0003]近年神经网络技术的不断发展，在各行业均有广泛的应用，尤其是卷积神经网络（CNN）在图像处理方面有着非常不俗的表现，目前多应用在人脸识别、食品加工以及农业生产等方面。卷积神经网络包括卷积层和池化层。卷积神经网络包括一维卷积神经网络、二维卷积神经网络以及三维卷积神经网络。一维卷积神经网络常应用于序列类的数据处理；二维卷积神经网络常应用于图像类文本的识别；三维卷积神经网络主要应用于医学图像以及视频类数据识别。而当前卷积神经网络在烤烟淀粉含量测定方面尚未有报道。

技术实现思路

[0004]针对现有技术中采用连续流动法测定烤烟淀粉含量，不仅需要复杂的实验操作，而且需要用到浓盐酸等危化品进行前处理，给实验人员人身安全带来一定威胁的技术问题，本专利技术提出一种烤烟淀粉含量的快速无损检测方法，实现快速高效测定烤烟中淀粉的含量，且准确率高，安全性强。
[0005]为解决上述技术问题，本专利技术采用以下技术方案：一种烤烟淀粉含量的快速无损检测方法，包括如下步骤：步骤一：采集烤后烟叶的样本图像，并对采集图像后的烤后烟叶进行标记，测定烤后烟叶的淀粉含量；步骤二：对样本图像进行预处理，将每张样本图像的背景值设置为0，并以测定的淀粉含量对应命名各个样本图像；步骤三：建立卷积神经网络回归模型，然后将样本图像分为训练样本和验证样本，并利用训练样本对卷积神经网络回归模型进行训练，利用验证样本测试训练后的卷积神经网络回归模型的泛化能力；步骤四：利用训练后的卷积神经网络回归模型测定烤烟淀粉含量：以烤后烟叶图像为输入值，通过卷积神经网络回归模型对烤后烟叶图像中的淀粉含量进行预测并进行回归拟合，最后输出烤后烟叶所对应的淀粉含量值，从而实现烤烟淀粉含量的测定。
[0006]所述步骤一中烤后烟叶样本图像的采集是在暗室中进行，采集方法为：准备一块
黑色哑光泡沫板，将黑色哑光泡沫板置于铁架的底部，将烤后烟叶样本置于黑色哑光泡沫板上；铁架的内顶壁上固定CCD相机，并将CCD相机采用数据线与计算机相连接；铁架的下部安装有日光灯，CCD相机和日光灯均与烤后烟叶样本相对应；打开日光灯，CCD相机开始进行图像采集，并将采集的图像信息实时传输给计算机。
[0007]所述步骤一中采集烤后烟叶样本的图像时，保持日光灯的光照条件相同，CCD相机与烤后烟叶样本的距离固定。
[0008]所述步骤三中基于TensorFlow环境构建卷积神经网络回归模型，卷积神经网络回归模型包括五次卷积，每次卷积均设置有两层卷积层和一层池化层，且第一次卷积的两层卷积层均包括64个卷积核，第二次卷积的两层卷积层均包括128个卷积核，第三次卷积和第五次卷积的卷积层均包括256个卷积核，第四次卷积的两层卷积层均包括512个卷积核。
[0009]所述卷积神经网络回归模型中卷积核的大小为3*3，且五次卷积中池化层均采用最大池化。
[0010]利用训练样本对卷积神经网络回归模型进行训练前，先将训练样本图像大小统一调整为512*512，然后采用buffer函数对训练样本进行乱序处理，最后将乱序的训练样本输入到卷积神经网络回归模型中。
[0011]与现有技术相比，本专利技术的有益效果为：1.本专利技术采用卷积神经网络回归模型对烤后烟叶中的淀粉含量进行测定，改善了传统的烤烟淀粉含量测定方法所存在的耗时耗力、操作复杂、存在安全隐患等弊端；2.本专利技术所提出的烤烟淀粉含量检测方法不仅缩减了烤烟淀粉含量测定的时间，而且保障了烤烟淀粉含量测定的准确率，进一步实现了烤烟淀粉含量的批量化测定；3.本专利技术中卷积神经网络回归模型采用五次卷积的训练方法，每次卷积均设置两层卷积层和一层池化层，并采用随机选取训练样本、乱序输入网络、分小组训练的方式对卷积神经网络回归模型进行训练，同时采用反向传播的方式减少模型损失，有效地提高了卷积神经网络回归模型的性能和淀粉含量测定结果的正确率；4.本专利技术不仅能够准确有效地判断出烤烟中所含的淀粉含量，且自适应能力强；5.本专利技术所提出的烤烟淀粉含量检测方法还具有分类速度快、准确率高、安全性强等优点，符合当前生产的需求，具有很好的应用前景。
附图说明
[0012]为了更清楚地说明本专利技术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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0013]图1为本专利技术的步骤流程图；图2为本专利技术的样本图像采集示意图；图3为本专利技术中所采用的卷积神经网络的内部结构图；图4为本专利技术中所采用的卷积神经网络训练过程中训练样本与验证样本准确率的变化曲线图。
具体实施方式
[0014]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0015]如图1所示，本专利技术提供了一种烤烟淀粉含量的快速无损检测方法，以烤后烟叶图像为输入值，以烤后烟叶所对应的淀粉含量为输出值，建立卷积神经网络回归模型，从而对烤后烟叶的淀粉含量进行拟合并验证模型的鲁棒性。通过在保持烟叶完整的前提下，实现了烤烟淀粉含量的测定，改善了传统的烤烟淀粉含量测定方法所存在的耗时耗力的弊端；本专利技术不仅缩减了烤烟淀粉含量测定的时间，而且保障了烤烟淀粉含量测定的准确率，进一步实现烤烟淀粉含量的批量化测定。
[0016]本专利技术具体包括以下步骤：步骤一：采集烤后烟叶的样本图像。如图2所示，烤后烟叶样本图像的采集是在暗室中进行，具体采集方法为：准备一块长
×
宽
×
厚为100cm
×
60cm
×
0.5cm的黑色哑光泡沫板4，将黑色哑光泡沫板4置于铁架2的底部，将烤后烟叶样本5置于黑色哑光泡沫板4上；铁架2的内顶壁上固定CCD相机1，并将CCD相机1采用数据线7与计算机6相连接；铁架2的下部安装有日光灯3，CCD相机1和日光灯3均与烤后烟叶样本5相对应。然后打开日光灯3，CCD相机1开始进行图像采集，并将采集的图像信息实时传输给计算机6。然后对采集图像后的烤后烟叶样本5进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种烤烟淀粉含量的快速无损检测方法，其特征在于，包括如下步骤：步骤一：采集烤后烟叶的样本图像，并对采集图像后的烤后烟叶进行标记，测定烤后烟叶的淀粉含量；步骤二：对样本图像进行预处理，将每张样本图像的背景值设置为0，并以测定的淀粉含量对应命名各个样本图像；步骤三：建立卷积神经网络回归模型，然后将样本图像分为训练样本和验证样本，并利用训练样本对卷积神经网络回归模型进行训练，利用验证样本测试训练后的卷积神经网络回归模型的泛化能力；步骤四：利用训练后的卷积神经网络回归模型测定烤烟淀粉含量：以烤后烟叶图像为输入值，通过卷积神经网络回归模型对烤后烟叶图像中的淀粉含量进行预测并进行回归拟合，最后输出烤后烟叶所对应的淀粉含量值，从而实现烤烟淀粉含量的测定。2.根据权利要求1所述的烤烟淀粉含量的快速无损检测方法，其特征在于，所述步骤一中烤后烟叶样本图像的采集是在暗室中进行，采集方法为：准备一块黑色哑光泡沫板（4），将黑色哑光泡沫板（4）置于铁架（2）的底部，将烤后烟叶样本（5）置于黑色哑光泡沫板（4）上；铁架（2）的内顶壁上固定CCD相机（1），并将CCD相机（1）采用数据线（7）与计算机（6）相连接；铁架（2）的下部安装有日光灯（3），CCD相机（1）和日光灯（3）均与烤后烟叶样本（5）相对应；打开日...

【专利技术属性】
技术研发人员：路晓崇，尹光庭，孙亚楠，赵亚峰，段卫东，周中宇，孙占伟，郑永锋，王林立，王磊，王新中，陈小龙，彭玉富，宋朝鹏，贾世伟，
申请(专利权)人：河南农业大学，
类型：发明
国别省市：