本公开提供了一种烟叶烘烤阶段识别方法、装置、电子设备及存储介质，涉及人工智能技术领域。该方法包括采集烟叶烘烤的图像数据和气体数据；根据图像数据和气体数据，提取烟叶的融合特征；根据融合特征，识别烟叶的烘烤阶段。本公开实施例提供的方法，由于在识别过程中考虑了图像和气体两方面的多模态信息，并结合多模态信息对烟叶烘烤阶段进行融合判断，有效提升了对烟叶烘烤阶段识别的准确率。升了对烟叶烘烤阶段识别的准确率。升了对烟叶烘烤阶段识别的准确率。
【技术实现步骤摘要】
烟叶烘烤阶段识别方法、装置、电子设备及存储介质
[0001]本公开涉及人工智能
，尤其涉及一种烟叶烘烤阶段识别方法、装置、电子设备及存储介质。
技术介绍
[0002]烟叶烘烤是烟草生产过程中的一个重要环节，其目的是促进烟叶的变黄和干筋，烘烤的品质直接决定了香烟的价值。在传统的烟叶烘烤工艺中，一般将烘烤分为变黄期，定色期，干筋期三个阶段，每个阶段又可以细分为若干个小阶段。烟叶烘烤时烘烤温湿度的设定和烟叶所处的每个细分阶段相对应。
[0003]在相关技术中，烘烤工程师通过观察窗定时观察，以判断烟叶的烘烤阶段，进而根据烟叶状态调整烘烤房内的温湿度指数。但该方式不但给烘烤工程师带来过大的工作负担，而且由于烘烤工程师的经验，对烟叶烘烤阶段的判断可能产生失误，造成大量的经济损失和资源浪费。
技术实现思路
[0004]有鉴于此，本公开提供一种烟叶烘烤阶段识别方法、装置、电子设备及存储介质，可以对烟叶烘烤阶段进行准确识别。
[0005]第一方面，提供一种烟叶烘烤阶段识别方法，包括：采集烟叶烘烤的图像数据和气体数据；根据图像数据和气体数据，提取烟叶的融合特征；根据融合特征，识别烟叶的烘烤阶段。
[0006]在一些实施例中，根据图像数据和气体数据，提取烟叶的融合特征，包括：根据图像数据，提取烟叶的图像特征；根据气体数据，提取烟叶的气体特征；将图像特征和气体特征融合，得到烟叶的融合特征。
[0007]在一些实施例中，根据图像数据，提取烟叶的图像特征，包括：将图像数据输入预先训练的图像特征提取模型，得到图像特征；图像特征提取模型通过图像分割模型辅助训练，以使图像特征提取模型能够区分烟叶的叶脉和叶肉。
[0008]在一些实施例中，图像特征提取模型的训练过程包括：将烟叶样本图像输入图像特征提取模型，得到样本图像特征；对样本图像特征的特征图进行上采样处理，以使特征图的大小与样本图像的大小相同；将上采样处理后的特征图输入图像分割模型，得到样本图像中叶肉和叶脉的分割结果；根据叶肉和叶脉的分割结果，对图像特征提取模型进行训练。
[0009]在一些实施例中，根据气体数据，提取烟叶的气体特征，包括：对气体数据进行降维操作，得到气体数据的一维时序数据；将一维时序数据转化为二维图像数据；将二维图像数据输入预先训练的气体特征提取模型，提取气体特征。
[0010]在一些实施例中，将图像特征和气体特征融合，得到烟叶的融合特征，包括：将图像特征和气体特征进行叠加，得到图像特征和气体特征的连接特征；通过预设激活函数，计算连接特征中图像特征和气体特征的自适应权重；根据自适应权重，将连接特征转换为融
合特征。
[0011]在一些实施例中，烘烤阶段包括粗分类烘烤阶段和细分类烘烤阶段；其中，粗分类烘烤阶段包括：变黄期，定色期，干筋期；细分类烘烤阶段包括：变黄初期，变黄前期，变黄中期，变黄后期，定色前期，定色中期，定色后期，干筋前期，干筋中期，干筋后期；根据融合特征，识别烟叶的烘烤阶段，包括：将融合特征输入烘烤阶段识别模型，分别识别烟叶的粗分类烘烤阶段和细分类烘烤阶段。
[0012]在一些实施例中，烘烤阶段识别模型包括粗分类烘烤阶段预测模型和细分类烘烤阶段预测模型；烘烤阶段识别模型的训练过程包括：将烟叶样本图像的融合特征分别输入粗分类烘烤阶段预测模型和细分类烘烤阶段预测模型，得到粗分类烘烤阶段预测模型的第一损失和细分类烘烤阶段预测模型的第二损失；基于第一损失和第二损失，对烘烤阶段识别模型进行参数调整，以完成烘烤阶段识别模型的训练。
[0013]第二方面，提供一种烟叶烘烤阶段识别装置，包括：采集模块，用于采集烟叶烘烤的图像数据和气体数据；提取模块，用于根据图像数据和气体数据，提取烟叶的融合特征；识别模块，用于根据融合特征，识别烟叶的烘烤阶段。
[0014]第三方面，提供一种电子设备，包括：处理器；以及存储器，用于存储处理器的可执行指令；其中，处理器配置为经由执行可执行指令来执行上述第一方面的方法。
[0015]第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述第一方面的方法。
[0016]本公开实施例提供的烟叶烘烤阶段识别方法，通过采集烟叶烘烤的图像数据和气体数据，并根据图像数据和气体数据结合得到的融合特征，对烟叶的烘烤阶段进行识别。本公开实施例由于在识别过程中考虑了图像和气体两方面的多模态信息，并结合多模态信息对烟叶烘烤阶段进行融合判断，有效提升了对烟叶烘烤阶段识别的准确率。
附图说明
[0017]图1示出本公开实施例中一种烟叶烘烤阶段识别方法的系统架构示意图。
[0018]图2示出本公开实施例中一种烟叶烘烤阶段识别方法的流程示意图。
[0019]图3示出本公开实施例中一种气体特征提取方法的流程示意图。
[0020]图4示出本公开实施例中一种图像特征和气体特征的融合过程示意图。
[0021]图5示出本公开实施例中一种烘烤阶段识别模型训练方法的流程示意图。
[0022]图6示出本公开实施例中一种烟叶烘烤阶段识别装置的结构示意图。
[0023]图7示出本公开实施例中一种电子设备的结构示意图。
具体实施方式
[0024]现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
[0025]此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功
能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
[0026]烟叶烘烤是烟草生产过程中的一个重要环节，其目的是促进烟叶的变黄和干筋，烘烤的品质直接决定了香烟的价值。在传统的烟叶烘烤工艺中，一般将烘烤分为变黄期，定色期，干筋期三个阶段，每个阶段又可以细分为若干个小阶段。烟叶烘烤时烘烤温湿度的设定和烟叶所处的每个细分阶段相对应。
[0027]随着人工智能技术的发展，尽管相关技术中开始出现用于预测烟叶烘烤阶段的神经网络模型，但这些模型往往仅考虑了烟叶烘烤过程中的单一模态数据，无法有效而全面的描述烟叶在每个阶段的状态变化，其识别结果无法实际应用于烟叶烘烤阶段的判断。
[0028]有鉴于此，本公开提供的方案，通过采集烟叶烘烤的图像数据和气体数据，并根据图像数据和气体数据结合得到的融合特征，对烟叶的烘烤阶段进行识别。相较于相关技术中仅采用单一类型数据进行识别的方式，大幅提高了识别的准确性。
[0029]下面将结合图1说本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种烟叶烘烤阶段识别方法，其特征在于，包括：采集烟叶烘烤的图像数据和气体数据；根据所述图像数据和所述气体数据，提取所述烟叶的融合特征；根据所述融合特征，识别所述烟叶的烘烤阶段。2.根据权利要求1所述的方法，其特征在于，所述根据所述图像数据和所述气体数据，提取所述烟叶的融合特征，包括：根据所述图像数据，提取所述烟叶的图像特征；根据所述气体数据，提取所述烟叶的气体特征；将所述图像特征和所述气体特征融合，得到所述烟叶的融合特征。3.根据权利要求2所述的方法，其特征在于，所述根据所述图像数据，提取所述烟叶的图像特征，包括：将所述图像数据输入预先训练的图像特征提取模型，得到所述图像特征；所述图像特征提取模型通过图像分割模型辅助训练，以使所述图像特征提取模型能够区分所述烟叶的叶脉和叶肉。4.根据权利要求3所述的方法，其特征在于，所述图像特征提取模型的训练过程包括：将烟叶样本图像输入所述图像特征提取模型，得到样本图像特征；对所述样本图像特征的特征图进行上采样处理，以使所述特征图的大小与所述样本图像的大小相同；将上采样处理后的所述特征图输入所述图像分割模型，得到所述样本图像中叶肉和叶脉的分割结果；根据所述叶肉和叶脉的分割结果，对所述图像特征提取模型进行训练。5.根据权利要求2所述的方法，其特征在于，所述根据所述气体数据，提取所述烟叶的气体特征，包括：对所述气体数据进行降维操作，得到所述气体数据的一维时序数据；将所述一维时序数据转化为二维图像数据；将所述二维图像数据输入预先训练的气体特征提取模型，提取所述气体特征。6.根据权利要求2所述的方法，其特征在于，所述将所述图像特征和所述气体特征融合，得到所述烟叶的融合特征，包括：将所述图像特征和所述气体特征进行叠加，得到所述图像特征和所述气体特征的连接特...
【专利技术属性】
技术研发人员：闫润强，宋季锟，邓柯珀，李亚飞，
申请(专利权)人：河南讯飞人工智能科技有限公司，
类型：发明
国别省市：
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。