基于近红外光谱和对比学习的烟叶部位判别方法及装置制造方法及图纸

本发明专利技术公开了一种基于近红外光谱和对比学习的烟叶部位判别方法及装置。在近红外光谱仪上采集其样品光谱并标记烟叶部位类别；对所采集的样本光谱数据通过光谱特征参量化进行数据维扩展；针对上部\中下部(U/CD)、中部\上下部(C/UD)和下部\上中部(D/UC)三个二分类任务，分别构建三个对比学习网络并训练；对对比学习网络的自编码器进行迁移学习，构建U/CD、C/UD、D/CU三个二分类网络，输出烟叶属于上部烟、中部烟和下部烟的识别概率；计算归化矢量，根据归化矢量的值判断烟叶部位为确定性部位或过渡性部位。本发明专利技术利用近红外光谱分析技术，为烟叶部位无损判别提供了一种高效稳定的技术手段。技术手段。技术手段。

【技术实现步骤摘要】
基于近红外光谱和对比学习的烟叶部位判别方法及装置


[0001]本专利技术属于近红外无损检测
，具体涉及一种基于近红外光谱和对比学习的烟叶部位判别方法及装置。

技术介绍

[0002]烟草是我国重要的经济作物之一，在国内乃至全世界范围均被广泛种植，烟草的发展一直是我国农业行业的关注重点。烟草行业的发展在很大程度上是由于烟叶品质决定的。烟叶品质包含烟叶的外观质量、感官质量、化学成分、物理特性和安全性等方面，它们从不同的方面反映烟叶品质特征。不同的烟叶部位因其所受的光照程度、湿度等环境的不同而具有不同的物理性质和化学成分。烟叶部位的差异会导致品质的巨大差异，因此，烟叶品质的衡量标准之一是烟叶的部位。
[0003]目前我国对于烟叶部位和烟叶质量的评定主要通过化性分析、感官分析和基于图像的外观分析等进行综合评定，需要花费大量的时间和精力，无法满足在线识别烟叶部位的需求，难以对整个加工环节进行控制。近红外光谱分析技术具有快速、准确和无接触等优点，在农业、食品、石油等领域特别是烟草行业的应用日益广泛，已有研究者利用近红外光谱用于烟叶品质判断，但目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于近红外光谱和对比学习的烟叶部位判别方法；其特征在于，包括如下步骤：步骤(1)样本制作：提供K个烟叶样品，在近红外光谱仪上采集其样品光谱数据V
i
，i＝1,2,
…
,N，并标记样品部位信息，上部记作U，中部记作C，下部记作D；步骤(2)样本数据维扩展：提取样本V
i
的光谱特征参量，将所述光谱特征参量归一化后与原样本光谱数据V
i
拼接得到扩展的样本矢量i＝1,2,
…
,N；所述样本矢量的行列维度为1
×
M；步骤(3)对比学习网络构建和训练：将样本矢量经过转换函数转换为适合对比学习网络的数据I
i
，i＝1,2,
…
,N；将所述转换后的数据I
i
，i＝1,2,
…
,N；按比例随机划分为校正集和测试集；选取一种对比学习模型，构建三个对比学习网络：U/CD对比学习网络、C\UD对比学习网络和D\UC对比学习网络；对每个对比学习网络构建相应的正负样本集并训练网络，直到验证集损失函数值小于训练集损失函数值且在训练次数内验证集损失值最小；步骤(4)分类网络构建和训练：利用步骤(3)中的U/CD对比学习网络、C\UD对比学习网络和D\UC对比学习网络的训练结果，构建分类网络并训练，输出烟叶属于上部烟、中部烟和下部烟的识别概率；步骤(5)烟叶部位判别：根据烟叶属于上部烟、中部烟和下部烟的识别概率，采用不完全确定法，实现烟叶部位判别。2.根据权利要求1所述的基于近红外光谱和对比学习的烟叶部位判别方法，其特征在于，步骤(2)所述光谱特征参量包括光谱斜率和坡向、光谱二值编码、一阶微分光谱和二阶微分光谱；所述一阶微分光谱计算公式为所述二阶微分光谱计算公式为其中v
ij
为V
i
的第j个元素，为的第j个元素，L为光谱波段数。3.根据权利要求1或2所述的基于近红外光谱和对比学习的烟叶部位判别方法，其特征在于步骤(3)所述的转换函数的具体实现为：将1
×
M的样本矢量重排为m1×
m2的矩阵，将矩阵复制3次，重叠得到m1×
m2×
3的多维矩阵I
i
；m1×
m2＝M。4.根据权利要求3所述的基于近红外光谱和对比学习的烟叶部位判别方法，其特征在于步骤(3)所述构建相应的正负样本集训练网络具体为：所述U/CD对比学习网络以校正集中的上部烟为正样本，其他样本为负样本进行训练；所述C/UD对比学习网络以校正集中的中部烟为正样本，其他样本为负样本进行训练；所述D/UC对比学习网络以校正集中的下部烟为正样本，其他样本为负样本进行训练；所述对比学习模型包括MoCo、SimCLR和CPC。
5.根据权利要求4所述的基于近红外光谱和对比学习的烟叶部位判别方法，其特征在于步骤(4)所述分类网络选用对比学习网络迁移学习的深度神经网络，分类网络包含：自编码器、深度神经网络和类别判别器。6.根据权利要求4或5所述的基于近红外光谱和对比学习的烟叶部位判别方法，其特征在于步骤(5)所述的不完全确定法具体包括：(5

【专利技术属性】
技术研发人员：赵辽英，杨德建，郝贤伟，田雨农，毕一鸣，帖金鑫，赵振杰，郭蒙浩，夏骏，王辉，吴继忠，厉小润，
申请(专利权)人：浙江中烟工业有限责任公司，
类型：发明
国别省市：