一种烟叶霉变检测方法及装置制造方法及图纸

本申请提供了一种烟叶霉变检测方法及装置，其中，该方法包括：获取每份烟叶样本对应的光学数据；光学数据用于描述每份烟叶样本对预设波长范围的光线的反射情况；将每份烟叶样本对应的烟叶种类、产地和光学数据作为样本数据，将每份烟叶样本对应的霉变等级作为标签对神经网络数学模型进行训练；将待检测烟叶对应的实际光学数据、实际烟叶种类和实际产地输入至训练好的神经网络数学模型，得到待检测烟叶的实际霉变等级。本申请通过训练神经网络模型，将烟叶的光学数据输入训练好的神经网络模型就可以确定霉变等级，解决了现有技术中烟叶霉变检测准确率低的技术问题，达到了提高烟叶霉变检测准确率的技术效果。霉变检测准确率的技术效果。霉变检测准确率的技术效果。

【技术实现步骤摘要】
一种烟叶霉变检测方法及装置


[0001]本申请涉及计算机
，尤其涉及一种烟叶霉变检测方法及装置。

技术介绍

[0002]现有技术通过拍摄烟叶照片，并通过计算机识别烟叶照片，确定烟叶是否产生霉变。但是此方法无法识别烟叶的邻近霉变状态和烟叶的内部霉变状态，造成识别烟叶霉变的准确率低的技术问题。

技术实现思路

[0003]有鉴于此，本申请的目的在于至少提供一种烟叶霉变检测方法及装置，通过训练神经网络模型，将烟叶的光学数据输入训练好的神经网络模型就可以确定霉变等级，解决了现有技术中烟叶霉变检测准确率低的技术问题，达到了提高烟叶霉变检测准确率的技术效果。
[0004]本申请主要包括以下几个方面：
[0005]第一方面，本申请实施例提供一种烟叶霉变检测方法，该烟叶霉变检测方法包括：获取每份烟叶样本对应的光学数据；光学数据用于描述每份烟叶样本对预设波长范围的光线的反射情况；将每份烟叶样本对应的烟叶种类、产地和光学数据作为样本数据，将每份烟叶样本对应的霉变等级作为标签对神经网络数学模型进行训练；将待检测烟叶对应的实际光学数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种烟叶霉变检测方法，其特征在于，所述烟叶霉变检测方法包括：获取每份烟叶样本对应的光学数据；所述光学数据用于描述每份烟叶样本对预设波长范围的光线的反射情况；将每份烟叶样本对应的烟叶种类、产地和所述光学数据作为样本数据，将每份烟叶样本对应的霉变等级作为标签对神经网络数学模型进行训练；将待检测烟叶对应的实际光学数据、实际烟叶种类和实际产地输入至训练好的神经网络数学模型，得到所述待检测烟叶的实际霉变等级。2.根据权利要求1所述的烟叶霉变检测方法，其特征在于，所述获取每份烟叶样本对应的光学数据包括：获取照射每份烟叶样本而产生的反射光，过滤出所述预设波长范围的反射光；将所述预设波长范围的反射光通过光栅，得到预设数量的不同波长范围的反射光；获取预设数量的不同波长范围的反射光的反射率数据；根据所述反射率数据生成每份烟叶样本对应的光学数据。3.根据权利要求2所述的烟叶霉变检测方法，其特征在于，所述根据所述反射率数据生成每份烟叶样本对应的光学数据包括：获取所述反射率数据对应的光学图片；将所述光学图片的像素大小的宽度、像素大小的高度和三基色RGB数据的三维矩阵转换为一维向量，将所述一维向量确定为每份烟叶样本对应的光学数据。4.根据权利要求1所述的烟叶霉变检测方法，其特征在于，所述神经网络数学模型的训练过程包括：将烟叶样本对应的烟叶种类、产地、光学数据和霉变等级输入神经网络数学模型进行训练；根据训练结果预测到的每份烟叶样本的预测霉变等级与每份烟叶样本对应的霉变等级更新所述神经网络数学模型的权重；重新将烟叶样本的对应烟叶种类、产地、和光学数据输入至更新的所述神经网络数学模型，直至所述神经网络数学模型到达收敛状态或迭代次数满足预设迭代次数，所述神经网络数学模型训练完成。5.根据权利要求4所述的烟叶霉变检测方法，其特征在于，所述根据训练结果预测到的每份烟叶样本的预测霉变等级与每份烟叶样本对应的霉变等级更新所述神经网络数学模型的权重...

【专利技术属性】
技术研发人员：李小龙，黄银祥，
申请(专利权)人：北京远舢智能科技有限公司，
类型：发明
国别省市：