雪茄茄衣质量等级判别模型的构建方法技术

本发明专利技术公开了雪茄茄衣质量等级判别模型的构建方法，涉及雪茄茄衣技术领域。其中，该雪茄茄衣质量等级判别模型的构建方法，包括：S1、采集大量被标注的雪茄茄衣原料烟叶的图像数据；S2、雪茄茄衣原料烟叶图像数据的预处理；S3、基于Halcon计算茄衣原料烟叶避开孔洞的有效使用区域尺寸；S4、训练基于深度学习算法的茄衣原料烟叶是否满足质量档次要求的判别模型；S5、结合有效使用区域尺寸和质量档次要求判别模型输出茄衣质量等级。本发明专利技术，解决当前针对雪茄茄衣质量的研究中，基于数据的定量研究需要借助专家和仪器来测定各项指标，获取成本高昂，基于专家的领域知识来分析质量级别和各个指标之间的相关性权重系数，在工业流程实践中无法实现的问题。践中无法实现的问题。践中无法实现的问题。

【技术实现步骤摘要】
雪茄茄衣质量等级判别模型的构建方法


[0001]本专利技术涉及雪茄茄衣
，尤其是一种雪茄茄衣质量等级判别模型的构建方法。

技术介绍

[0002]雪茄烟原料叶按照不同的用途，可分为茄衣、茄套和茄芯，一支雪茄很大一部分成本都来自茄衣，它是雪茄的精华部分，也是最昂贵的部分，对种植、发酵、保存要求都最高。茄衣对外观质量的要求极为苛刻，优质的茄衣烟叶要求叶片大小适中、叶型较宽、叶脉细而不突、叶片薄且完整度好、无斑点或孔洞、组织细密、颜色均匀一致、弹性好、拉力强、燃烧均匀，可参考文献([1]金敖熙.雪茄烟生产技术.轻工业出版社,1982.)；
[0003]目前对雪茄茄衣原料烟叶的质量等级分选主要依赖人工，是雪茄生产过程中高耗工环节。近年，随着大数据、人工智能算法的进步，图像采集和算法识别能力有了极大提升。如何通过图像识别解决雪茄茄衣原料烟叶的质量等级判别问题，是解决雪茄茄衣原料烟叶质量等级分选用工问题的重要突破口。
[0004]从雪茄的制作流程来看，包括手工卷制和机器卷制两种生产流程，其中所用的雪茄茄衣原料烟叶质量不同，人工成本也不相同。因此重点问题之一就是原料质量等级的分选，当前主要依赖人工进行雪茄原料质量等级的分选，由于培养分级员工的资金和时间成本都很高，分级员工的技术水平参差不齐，且分质量等级是肉眼对雪茄茄衣原料叶的直观分类，受操作人员的肉眼辨别能力、情绪、个人健康状态、个人经验水平和主观判断等“人为因素”的影响较大，因此难以达到统一客观公正的分选要求，导致茄衣分级不准确、手工卷制和机制分流错乱、茄衣外观质量参差不齐等现象，同时雪茄产品难以形成标准化。因此采用先进的大数据技术手段，智能化雪茄茄衣原料烟叶的质量分级环节，以避免在雪茄茄衣原料质量等级分选中的主观性，提升质量分级的准确率，可以降低手工卷制和机制分流错乱导致的人工成本，同时有助于实现雪茄烟产品的标准化。
[0005]雪茄茄衣的质量等级包括4个级别(1级、2级、3级、4级，其中123级用于手工卷制雪茄，1级质量最优，4级用于机制雪茄)，其中123级与4级的区别主要在于是否满足手工卷制烟叶的质量档次要求。其中手工卷制烟叶的质量档次要求与叶片颜色均匀性、支脉纹理细致程度、局部病斑、洞眼、破碎、污痕等视觉特征、完整区域面积大小等直接关联，而深度卷积神经网络提取的浅层卷积核可以捕捉图像的颜色、边缘纹理、细小洞眼与病斑等视觉信息，随着层数加深，非线性程度加强，深层的卷积核可以捕捉到更大感受野的形状、纹理、破损分布等信息，并可抽象表示语义信息。因此使用深度卷积神经网络算法判别雪茄茄衣图像是否满足手工卷制烟叶的质量档次要求是可行的。而1、2、3级之间的区别主要在于有效使用区域的尺寸大小，(不同等级对应的尺寸标准不是固定的，会依据雪茄茄衣原料烟叶市场的供需情况做出调整)，有效使用尺寸越大的茄衣烟叶可用于手工卷制多支雪茄，因此质量等级越高。所以综合来看，在判定等级时，需先判断手工卷制还是机制，然后依据雪茄茄衣原料烟叶有效使用区域尺寸的大小来进一步综合判定质量等级。
[0006]针对雪茄茄衣原料烟叶的质量分级智能分选问题，目前相关研究主要包括定性和定量的研究，定性的研究包括雪茄茄衣质量评价体系标准的构建，可参考文献([2]刘博远.雪茄烟叶风格质量评价体系构建及四川雪茄烟叶风格质量评价[D].河南农业大学.)和文献([3]孙浩巍,张轲,龙杰,等.云南雪茄烟叶外观质量评价体系研究[J].现代农业科技,2020(14):4.)。茄衣品种分类相关的探讨可参考文献([4]闫新甫,王以慧,雷金山,等.国产雪茄分类探讨及其实际应用分析[J].中国烟草学报,2021,27(5):10.)。定量的茄衣质量评价方法相关研究，可参考文献([5]王荣浩,施友志,李林林,等.基于组合客观赋权法的进口茄衣质量评价[J].中国烟草学报,2022,28(2):11.)。论文中作者为建立更加合理的雪茄茄衣烟叶质量评价方法，以13个主要的进口茄衣样品为材料,测定了物理特性指标和化学成分指标,邀请专家对外观质量指标和感官质量指标进行打分,并对各指标数据进行了标准化处理，结果表明4项一级指标的层次分析法主观赋权权重依次为外观质量(0.48),物理特性(0.22),化学成分(0.07)，感官质量(0.23)，组合了类间标准差法,CRITIC法和熵值法3种客观赋权后的二级指标权重的标准差较组合前提高，结合了主客观赋权方法的综合赋权结果中，烟灰白度(0.0679),残伤(0.0611)和支脉夹角(0.0444)指标权重系数较大，钾氯比值(0.0087)，干燥度(0.0095)和钾含量(0.0097)指标权重系数较小。该方法对一级质量指标采用主观法赋权，对二级质量指标采用3种客观法赋权，将主客观权重的信息有效综合，较单一赋权更有效地反映出了各二级指标的重要程度。
[0007]但当前针对雪茄茄衣质量的研究中，基于数据的定量研究需要借助专家和仪器来测定各项物理指标和化学成分指标，由于数据获取成本高昂，因此只能在相对小样本量的多指标精确数据上，基于专家的领域知识来分析质量级别和各个指标之间的相关性权重系数，这种方法在理论研究上具有方向性的指导意义但是在工业流程实践中却很难甚至无法实现，主要体现在多项指标数据的获取难度太大、耗时长、成本高、知识门槛高的问题。针对上述出现的问题，目前尚未提出有效的解决方案。

技术实现思路

[0008]专利技术目的：提供一种雪茄茄衣质量等级判别模型的构建方法及装置，以解决现有技术存在的上述问题。
[0009]技术方案：一种雪茄茄衣质量等级判别模型的构建方法及装置，包括：S1、采集大量被标注的雪茄茄衣原料烟叶的图像数据；S2、雪茄茄衣原料烟叶图像数据的预处理；S3、基于Halcon计算茄衣原料烟叶避开孔洞的有效使用区域尺寸；S4、训练基于深度学习算法的茄衣原料烟叶是否满足质量档次要求的判别模型；S5、结合有效使用区域尺寸和质量档次要求判别模型输出茄衣质量等级。
[0010]作为优选，采集大量被标注的雪茄茄衣原料烟叶的图像数据包括：采集雪茄茄衣烟叶的图像信息；调取数据库中已完成标注的雪茄茄衣原料烟叶的参数值；根据不同的品种、产区和颜色类别和质量等级进行选择性采集。
[0011]作为优选，雪茄茄衣原料烟叶图像数据的预处理包括：对采集的雪茄茄衣原料烟叶图像数据进行预处理；采用图像增强技术扩充数据集，以减小干扰而造成的过拟合；茄衣原料烟叶图像进行归一化和标准化，以加速模型的收敛。
[0012]作为优选，计算茄衣原料烟叶避开孔洞的有效使用区域尺寸包括：对比色卡的实
际长宽尺寸和像素长宽，换算出单像素对应的实际尺寸；基于Halcon软件丰富的算子库，使用threshold算子针对茄衣RGB颜色阈值分割出茄衣区域，使用shape_trans算子切割出雪茄茄衣叶片避开孔洞瑕疵后的最大可用矩形区域作为有效使用区域的拟合，获得该区域像素宽度和高度；通过换算出的单像素对应的实际尺寸比例值，进而得到最大矩形区域实际长宽尺寸信息。
[0013]作为优选，训练基于深度学习本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.雪茄茄衣质量等级判别模型的构建方法，其特征在于，包括：S1、采集大量被标注的雪茄茄衣原料烟叶的图像数据；S2、雪茄茄衣原料烟叶图像数据的预处理；S3、基于Halcon计算茄衣原料烟叶避开孔洞的有效使用区域尺寸；S4、训练基于深度学习算法的茄衣原料烟叶是否满足质量档次要求的判别模型；S5、结合有效使用区域尺寸和质量档次要求判别模型输出茄衣质量等级。2.根据权利要求1所述的雪茄茄衣质量等级判别模型的构建方法，其特征在于，采集大量被标注的雪茄茄衣原料烟叶的图像数据包括：采集雪茄茄衣烟叶的图像信息；调取数据库中已完成标注的雪茄茄衣原料烟叶的参数值；根据不同的品种、产区和颜色类别和质量等级进行选择性采集。3.根据权利要求1所述的雪茄茄衣质量等级判别模型的构建方法，其特征在于，雪茄茄衣原料烟叶图像数据的预处理包括：对采集的雪茄茄衣原料烟叶图像数据进行预处理；采用图像增强技术扩充数据集，以减小干扰而造成的过拟合；茄衣原料烟叶图像进行归一化和标准化，以加速模型的收敛。4.根据权利要求1所述的雪茄茄衣质量等级判别模型的构建方法，其特征在于，基于Halcon计算茄衣原料烟叶避开孔洞的有效使用区域尺寸包括：对比色卡的实际长宽尺寸和像素长宽，换算出单像素对应的实际尺寸；基于Halcon软件丰富的算子库，使用threshold算子针对茄衣RGB颜色阈值分割出茄衣区域，使用shape_trans算子切割出雪茄茄衣叶片避开孔洞瑕疵后的最大可用矩形区域作为有效使用区域的拟合，获得该区域像素宽度和高度；通过换算出的单像素对应的实际尺寸比例值，进而得到最大矩形区域实际长宽尺...

【专利技术属性】
技术研发人员：陈栋，易娇，陈天恩，王聪，闫双全，诸定莲，林涛，鲁梦瑶，姜舒文，狄涛，
申请(专利权)人：农芯南京智慧农业研究院有限公司，
类型：发明
国别省市：