【技术实现步骤摘要】
一种基于机器视觉的在线自动烟叶等级分选的识别方法
本专利技术涉及烟叶等级分选和机器视觉
，尤其是涉及一种基于机器视觉的在线自动烟叶等级分选的识别方法。
技术介绍
机器视觉技术，通过图像摄取装置将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，再根据像素分布和亮度、颜色等信息分析图像中的内容，并得到预定的信息和结果，进而根据判别的结果来控制现场的设备动作。在烟叶复烤环节的初期需对所收购的烟叶进而二次分级、分选，经过二次分级、分选的烟叶进行装箱、并按所分等级入库，以备后期的复烤工序使用，现在烟叶等级分选都是人工在线眼测，随机性特别大，准确率低，在没有使用任何传感器进行辅助的情况下烟叶分选结果受人的因素比较大，对烟叶后续处理的质量无保证。例如，一种在中国专利文献上公开的“一种烟叶分类烘烤工艺”，其公告号CN104161298A，该专利技术是把鲜烟叶按18个类别进行分类，18个类别分别是下部叶-含水量多、下部叶-水分正常、下部叶-含水量低、下部叶-根系病害、下部叶-营养过旺、下部叶-脱肥早衰...
【技术保护点】
1.一种基于机器视觉的在线自动烟叶等级分选的识别方法，其特征是，包括步骤：/nA)进行烟叶预处理，把烟叶铺平展开，并将烟叶依次分散排列；/nB)利用机器视觉传感器采集烟叶图像，对烟叶图像进行预处理，将预处理后的烟叶图像作为烟叶样本；/nC)建立卷积神经网络模型，利用烟叶样本对卷积神经网络模型进行训练，获得高层次烟叶特征；/nD)提取烟叶特征，将烟叶特征与高层次烟叶特征进行特征融合，建立由全连接层构成的融合网络，融合网络最后一层全连接层与分类器相连；/nE)将最后一层全连接层的输出聚合成全局特征，将全局特征输入到分类器中，获得烟叶等级分选结果。/n
【技术特征摘要】
1.一种基于机器视觉的在线自动烟叶等级分选的识别方法，其特征是，包括步骤：
A)进行烟叶预处理，把烟叶铺平展开，并将烟叶依次分散排列；
B)利用机器视觉传感器采集烟叶图像，对烟叶图像进行预处理，将预处理后的烟叶图像作为烟叶样本；
C)建立卷积神经网络模型，利用烟叶样本对卷积神经网络模型进行训练，获得高层次烟叶特征；
D)提取烟叶特征，将烟叶特征与高层次烟叶特征进行特征融合，建立由全连接层构成的融合网络，融合网络最后一层全连接层与分类器相连；
E)将最后一层全连接层的输出聚合成全局特征，将全局特征输入到分类器中，获得烟叶等级分选结果。
2.根据权利要求1所述的一种基于机器视觉的在线自动烟叶等级分选的识别方法，其特征是，步骤B)中对烟叶图像进行预处理中包括采用颜色校正算法对烟叶图像进行颜色校正，获得校正后的烟叶图像Inew＝AM*I，I表示校正前的烟叶图像，A为颜色转换矩阵，M为颜色转换模型。
3.根据权利要求1和2所述的一种基于机器视觉的在线自动烟叶等级分选的识别方法，其特征是，所述颜色校正算法为多项式回归法、后向传播网络法和支持向量回归法中的任一种。
4.根据权利要求3所述的一种基于机器视觉的在线自动烟叶等级分选的识别方法，其特征是，步骤C)中所述卷积神经网络模型包含n个卷积层、m个池化层和k个全连接层，所有池化层均采用平均池化，最后一层全连接层与分类器相连。
5.根据权利要求4所述的一种基于机器视觉的在线自动烟叶等级分选的识别方法，其特征是，步骤C)中，还包括计算总样本损失函数，更新卷积神经网络模型的权重值；通过计算得到损失函数，表示第j个烟叶样本等级的真实值，Sj表示卷积神经网络模型的分类器输出的第j个烟叶样本等级预测值，l表示烟叶等级数目；通过计算得到总样本损失函数，Li(S，y)表示第i个烟叶样本的损失函数，r表示烟叶样本总数。
6.根据权利要求5所述的一种基于机器视觉的在线自动烟叶等级分...
【专利技术属性】
技术研发人员：王月辉，胡芬，楼阳冰，
申请(专利权)人：杭州安脉盛智能技术有限公司，
类型：发明
国别省市：浙江;33
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。