【技术实现步骤摘要】
本专利技术涉及一种基于transformer的烘烤过程中烟叶重量校正方法，属于烟叶烘烤。
技术介绍
1、在烟叶的烘烤过程中，准确监测和控制烟叶的重量变化是至关重要的。因为烟叶的重量变化直接关联到其失水率和失水速率，进而影响烟叶的成熟度判断。传统烤房内烟叶重量数据的测量方法依靠简单的重量测量设备和人工经验判断，缺乏准确性和效率，尤其是在烟叶烘烤初期，由于烟叶放置密集，烟叶互相之间产生拥挤，导致重量测量往往不准确。因此，现阶段要么没有把烟叶重量作为一个重要的参考指标。要么把烟叶重量作为一个指标但忽视了重量不准的问题，或者直接利用相邻数据的平均值来填补重量不准的数据。然而，现阶段忽视了环境条件、烟叶特征等多种因素对烟叶重量预测的影响，针对一个阶段的重量采集不准确的数据采用平均值来插值缺失数据的精度不高。
技术实现思路
1、基于上述，本专利技术提供一种基于transformer模型和多特征融合的烟叶重量预测与校正方法，旨在提高烟叶烘烤过程中重量数据的准确性，以辅助判断烟叶的烘烤成熟度，从而为优化烘烤过程和提高烟叶品质提供依据。
2、本专利技术的技术方案是：一种基于transformer的烘烤过程中烟叶重量校正方法，包括：
3、s1，获取烟叶烘烤信息，所述烘烤信息包括烟叶的重量数据、图像信息和烤房内温湿度信息，所述重量数据指的是当前烘烤过程中此刻及之前的重量数据；
4、s2，对所述信息进行预处理，所述图像信息预处理为烟叶的图像特征，所述烟叶的图像特征包括烟
5、s3，将所述烟叶的重量数据、图像特征和烤房内温湿度信息进行融合，得到特征向量；
6、s4，将特征向量作为模型输入到transformer校正模型中，即得烟叶烘烤过程中某点对应的烟叶重量。
7、作为本专利技术的进一步改进，步骤s3中，所述特征向量为：
8、x＝[c，k，t，h，whist]
9、式中，x为特征向量，c为烟叶的颜色特征向量，k为烟叶的卷曲率特征，t为烤房的温度，h为烤房的湿度，whist为烟叶的重量数据，假设有m个历史重量数据，whist＝{w1，w2，...，wm}，wm表示此刻的重量数据。
10、作为本专利技术的进一步改进，步骤s4中，所述transformer校正模型的构建方法如下：
11、s41，数据采集
12、采集烟叶烘烤过程中的重量数据、图像信息和烤房的温湿度信息；
13、s42，数据预处理
14、剔除重量数据中的异常值，对图像去噪，分割烟叶与背景，并提取图像信息中烟叶的颜色特征和卷曲率特征；
15、s43，特征融合
16、将烟叶的重量数据、颜色特征、卷曲率特征和烤房的温湿度信息进行融合；
17、s44，模型训练
18、将融合后的数据及对应精准的烟叶重量数据划分为训练集、验证集和测试集，采用随机梯度下降法训练transformer神经网络模型模型，选择合适的损失函数调整结构权重和偏置参数；
19、s45，模型验证
20、将训练得到的模型结构权重和偏置参数加载到transformer神经网络模型中，将处理后的测试集数据输入到加载了模型参数的网络中，将模型校正的输出与实际重量数据进行比较，评估模型的校正性能，选择校正性能达到要求的模型作为transformer校正模型。
21、作为本专利技术的进一步改进，transformer神经网络模型采用编码器-解码器结构，输入层引入embedding层和位置编码层，将输入信息映射到低维向量空间并捕获时序信息，编码器使用带自注意力机制的层处理每个特征信息与重量信息的关系，解码器除自注意力层外，增加额外的注意力层处理来自编码器输出的信息。
22、作为本专利技术的进一步改进，所述颜色特征为烟叶图像颜色的均值，所述卷曲率特征为烟叶在纵向上的最大长度。
23、本专利技术的有益效果：本专利技术通过引入烟叶的颜色特征、卷曲率特征和烤房的温湿度信息对烘烤过程中传感器检测到的烟叶重量进行校正，能够进一步提高烟叶烘烤过程中重量数据的准确性，辅助判断烟叶的烘烤成熟度，为优化烘烤过程和提高烟叶品质提供依据。在前期研究中，将重量数据与烟叶信息及环境因素进行融合，使用互信息法筛选出与烟叶重量预测关系密切的特征，通过互信息法来对特征进行筛选，通过捕捉每个特征与标签之间的关系，得出互信息的值，当且仅当特征与标签是独立的，它等于0，而更高的值意味着更高的依赖性，发现烟叶的颜色特征、卷曲率特征和烤房的温湿度信息与烟叶的重量数据较为相关。
本文档来自技高网...【技术保护点】
1.一种基于transformer的烘烤过程中烟叶重量校正方法，其特征在于，包括：
2.根据权利要求1所述的基于transformer的烘烤过程中烟叶重量校正方法，其特征在于，步骤S3中，所述特征向量为：
3.根据权利要求1或2所述的基于transformer的烘烤过程中烟叶重量校正方法，其特征在于，步骤S4中，所述transformer校正模型的构建方法如下：
4.根据权利要求3所述的基于transformer的烘烤过程中烟叶重量校正方法，其特征在于，Transformer神经网络模型采用编码器-解码器结构，输入层引入Embedding层和位置编码层，将输入信息映射到低维向量空间并捕获时序信息，编码器使用带自注意力机制的层处理每个特征信息与重量信息的关系，解码器除自注意力层外，增加额外的注意力层处理来自编码器输出的信息。
5.根据权利要求1或2所述的基于transformer的烘烤过程中烟叶重量校正方法，其特征在于，所述颜色特征为烟叶图像颜色的均值，所述卷曲率特征为烟叶在纵向上的最大长度。
【技术特征摘要】
1.一种基于transformer的烘烤过程中烟叶重量校正方法，其特征在于，包括：
2.根据权利要求1所述的基于transformer的烘烤过程中烟叶重量校正方法，其特征在于，步骤s3中，所述特征向量为：
3.根据权利要求1或2所述的基于transformer的烘烤过程中烟叶重量校正方法，其特征在于，步骤s4中，所述transformer校正模型的构建方法如下：
4.根据权利要求3所述的基于transformer的烘烤过程中烟叶重量校正...
【专利技术属性】
技术研发人员：韦建玉，张纪利，曹阳，张大斌，黄崇峻，李俊霖，饶承麟，徐文伟，贾海江，吴邦鸿，农世英，
申请(专利权)人：广西中烟工业有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。