The application provides a method and device for automatically sorting tobacco leaves based on neural network, the method includes: collecting the natural light pictures of the training tobacco leaves, analyzing the natural light pictures according to the preset feature dimension information of the tobacco leaves to obtain the natural feature information data of the training tobacco leaves; analyzing the spectrum of the training tobacco leaves to obtain the spectral feature information data of the training tobacco leaves; training the nature of the tobacco leaves According to the feature information data and spectral feature information data, the neural network training is carried out to obtain the correlation model between the natural characteristics and spectral features of tobacco leaves; according to the spectral feature information data, the spectral tobacco leaf classification strategy is established, and based on the correlation model, the natural classification strategy of tobacco leaves is obtained; the natural image of tobacco leaves to be sorted is obtained, and the natural feature information of tobacco leaves to be sorted is analyzed Compared with the natural classification strategy, the classification level of tobacco leaves to be sorted is obtained by comparing the information data, and the tobacco leaves to be sorted are sorted according to the classification level. The invention realizes intelligent, efficient, standardized and low-cost tobacco leaf sorting.
【技术实现步骤摘要】
基于神经网络自动分拣烟叶的方法及装置
本申请涉及自动化控制的
，尤其涉及一种基于神经网络自动分拣烟叶的方法及装置。
技术介绍
烟叶，为烟草工业的原料，是一种重要的经济作物，在我国的种植面积也非常广泛，在我国的农业生产中占有重要的地位。烟叶的品质和生产工艺会直接影响到由烟叶制成的烟草产品的质量。在烟叶种植过程中，由于受到不同地域气候、环境、土壤及烟叶品种、着生部位、栽植方式和烘烤制作和保存工艺的影响，使得烟叶原材料的质量差异很大。因此，需要对不同品质的烟叶进行分级，以不同的加工工艺条件针对不同等级烟叶制作得到不同等级经济价值的烟叶制品。烟叶分级的主要依据是基于烟叶的生长部位、颜色、成熟度、叶片结构、残伤、长度尺寸等特征。现有阶段，对烟叶的分级主要采用的是依据国家烟叶分级标准，通过人为感官来进行分拣，需要耗费的劳动强度大、人力多，效率低，而且受人为主观因素影响，使得烟叶分拣的精度低、分拣质量达不到分级要求。由于烟叶形态多样、没有特定的纹理特征，颜色结构也较为复杂，仅靠人为从形态、纹理和颜色等单一特征来区分烟叶进行分拣很容易产生误判和漏判的情况。随着人们生活水平的提升，对烟叶制品的质量追求也越来越高，在烟叶质量要求逐步提高的今天，传统人工分拣烟叶的方法既不能满足烟叶分级品质的要求，也达不到分拣效率的要求，还增加了烟叶分拣的成本，不利于烟叶行业的发展。因此，如何提供一种智能、高效、标准化且低成本对烟叶进行分拣的方案是本领域亟待解决的技术问题。
技术实现思路
本申请的目的在于提...
【技术保护点】
1.一种基于神经网络自动分拣烟叶的方法，其特征在于，包括：/n采集训练烟叶的自然光图片，按预设的烟叶特征维度信息分析所述自然光图片得到所述训练烟叶的自然特征信息数据；/n将所述训练烟叶进行光谱分析，得到所述训练烟叶的光谱特征信息数据；将所述训练烟叶的所述自然特征信息数据及光谱特征信息数据对应，进行神经网络训练得到烟叶的自然特征与光谱特征的关联模型；/n根据所述光谱特征信息数据建立所述烟叶的光谱烟叶分级策略，基于所述关联模型得到所述烟叶的自然分级策略；/n获取待分拣烟叶的自然图像，分析得到所述待分拣烟叶的自然特征信息数据，与所述自然分级策略对比得到所述待分拣烟叶的分拣级别，按照所述分拣级别分拣所述待分拣烟叶。/n
【技术特征摘要】
1.一种基于神经网络自动分拣烟叶的方法，其特征在于，包括：
采集训练烟叶的自然光图片，按预设的烟叶特征维度信息分析所述自然光图片得到所述训练烟叶的自然特征信息数据；
将所述训练烟叶进行光谱分析，得到所述训练烟叶的光谱特征信息数据；将所述训练烟叶的所述自然特征信息数据及光谱特征信息数据对应，进行神经网络训练得到烟叶的自然特征与光谱特征的关联模型；
根据所述光谱特征信息数据建立所述烟叶的光谱烟叶分级策略，基于所述关联模型得到所述烟叶的自然分级策略；
获取待分拣烟叶的自然图像，分析得到所述待分拣烟叶的自然特征信息数据，与所述自然分级策略对比得到所述待分拣烟叶的分拣级别，按照所述分拣级别分拣所述待分拣烟叶。
2.根据权利要求1所述的基于神经网络自动分拣烟叶的方法，其特征在于，采集训练烟叶的自然光图片，按预设的烟叶特征维度信息分析所述自然光图片得到所述训练烟叶的自然特征信息数据，为：
以预设速度采集预定数量的训练烟叶的自然光图片；
按预设的烟叶特征维度信息同时分析所述自然光图片，得到所述训练烟叶各自对应的自然特征信息数据。
3.根据权利要求1所述的基于神经网络自动分拣烟叶的方法，其特征在于，还包括：
所述待分拣烟叶的自然特征信息数据与所述自然分级策略对比，无相关分拣级别时，将所述待分拣烟叶归入重训练烟叶分类；
将所述重训练烟叶再次作为训练烟叶重新提取自然特征信息数据及光谱特征信息数据，导入神经网络训练得到更新的所述关联模型；
基于更新的所述关联模型对待分拣的烟叶进行分拣。
4.根据权利要求1所述的基于神经网络自动分拣烟叶的方法，其特征在于，采集训练烟叶的自然光图片，按预设的烟叶特征维度信息分析所述自然光图片得到所述训练烟叶的自然特征信息数据，为：
将训练烟叶/待分拣烟叶导入检测暗室，通过预设的恒定光源进行打光，以相机对每组所述训练烟叶片/待分拣烟叶拍照，采集所述训练烟叶/待分拣烟叶的自然光图片；
按预设的烟叶特征维度信息分析所述自然光图片，得到所述训练烟叶/待分拣烟叶的自然特征信息数据。
5.根据权利要求1所述的基于神经网络自动分拣烟叶的方法，其特征在于，将所述训练烟叶进行光谱分析，得到所述训练烟叶的光谱特征信息数据，为：
利用高光谱传感器以预设的光谱波段对所述训练烟叶成像，得到训练烟叶的高光谱图像；
以预设的光谱特征提取项目分析所述高光谱图像，得到述训练烟叶的光谱特征信息数据。
6.一种基于神经网络自动分拣烟叶的装置，其特征在于，包括：自然特征分析处理器、自然特征与光谱特征关联处理器、自然分级策略处理器及烟叶分拣处理器；其中，
所述自然特征分析处理器，与所述自然特征与光谱特征关联处理器相连接，采集训练烟叶的自然光图片，按预设的烟叶特征维度信息分析所述自然光图片得到所述训练烟叶的自然特征信息数据；
所述自然特征与光谱特征关联处理器，与所述自然特征分析处理器及自然分级策略处理器相连接，将所述训练烟叶进行光谱分析，得到所述训练烟叶的光谱特征信息数据；将所述训练烟叶的所述自然特征信...
【专利技术属性】
技术研发人员：徐升，薛冰，祝武，张芳瑜，邱梦婷，
申请(专利权)人：深圳市微蓝智能科技有限公司，
类型：发明
国别省市：广东;44
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。