一种烟叶烘烤阶段智能识别方法技术

一种烟叶烘烤阶段智能识别方法，属于烟叶智能烘烤技术领域。其特征在于：包括如下步骤：S1建立模型，去除烟叶之外的背景部分，并提取烟叶区域；S2统计烟叶区域内颜色信息，寻找不同阶段特有的颜色信息特征；S3完成烟叶颜色信息的提取，分析各阶段颜色信息的特点；S4判断完成烟叶阶段后，将烟叶阶段转换为烟叶烘烤工艺阶段。本发明专利技术采用智能算法融合的方式，建立的烟叶阶段判别算法获得更高的识别准确率和更强的泛化能力；采用颜色特征进行烟叶阶段识别，符合实际烘烤过程烟叶状态变化规律，缓解烘烤阶段反复跳跃及不稳定现象；网络结构完成复杂性低的二分类任务，检测烟叶区域，增加了检测稳定性及陌生环境的适应性。检测稳定性及陌生环境的适应性。检测稳定性及陌生环境的适应性。

【技术实现步骤摘要】
一种烟叶烘烤阶段智能识别方法


[0001]一种烟叶烘烤阶段智能识别方法，属于烟叶智能烘烤


技术介绍

[0002]智能算法作为人工智能的重要算法，在许多领域得到广泛应用，它表示输入与输出之间的非线性关系。机器视觉领域需要认识外界环境，以机器学习算法表示认识外界环境的过程。智能算法作为机器学习的重要分支，广泛应用于烟叶烘烤中的烘烤阶段判别。在烟叶烘烤中，不同的烟叶状态需要不同的温湿度控制工艺，利用智能判别算法建立烟叶图像与烟叶状态的非线性关系准确地识别烟叶所属阶段，有效地控制对应的温湿度。
[0003]烟叶智能判别算法是指在众多数据中寻找普适性特征，最直接的方式是通过迭代训练不断学习并更新参数表示烟叶图像与烟叶阶段之间的非线性关系。考虑到烟叶图像受到多种因素的影响，得到强泛化能力的非线性关系所花费的代价非常巨大。为了解决这一问题，通常稳定烟叶图像的成像环境和增加核函数增强非线性表示能力。稳定烟叶图像的成像环境主要包括固定的光源及固定的摄像机安装位置。固定的光源能够减少光照变化对图像色彩的影响，保证同一阶段所表现的色彩信息相近，固定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种烟叶烘烤阶段智能识别方法，其特征在于：包括如下步骤：S1建立模型，去除烟叶之外的背景部分，并提取烟叶区域；S2统计烟叶区域内颜色信息，寻找不同阶段特有的颜色信息特征；S3完成烟叶颜色信息的提取，分析各阶段颜色信息的特点；S4判断完成烟叶阶段后，将烟叶阶段转换为烟叶烘烤工艺阶段。2.根据权利要求1所述的烟叶烘烤阶段智能识别方法，其特征在于：所述的模型为：Y＝F
ω
(X)；其中，X表示烟叶图像，Y表示烟叶二值图像，F
ω
关于权重ω的非线性关系式。3.根据权利要求2所述的烟叶烘烤阶段智能识别方法，其特征在于：通过前向传播及反向误差传播来求得关于参数ω的非线性关系F
ω
。4.根据权利要求3所述的烟叶烘烤阶段智能识别方法，其特征在于：所述的前向传播依次包括初始特征提取阶段、多支路特征提取阶段以及特征融合阶段并进行上采样获取烟叶区域。5.根据权利要求4所述的烟叶烘烤阶段智能识别方法，其特征在于：在初始特征提取阶段，下一隐藏层的输出为：Y
l+1
＝σ(ω
l+1
Y
l
+B
l+1
)；其中，l表示当前隐藏层，多维矩阵Y
l
为当前隐藏层的输出结果，ω
l+1
为下一隐藏层的权值参数，B
l+1
为下一隐藏层的偏置参数，σ是非线性的激活函数；非线性的激活函数σ为：6.根据权利要求4所述的烟叶烘烤阶段智能识别方法，其特征在于：所述的多支路特征提取阶段的多支路特征为：其中，为高分辨率融合特征，为中分辨率初始特征，为低分辨率初始特征，为卷积操作，ω
H
、、ω
M
、ω
Ｌ
分别指高分辨率模板卷积权重、中分辨率模板卷积权重、低分辨率模板卷积权重，U()指下采样操作。7.根据权利要...

【专利技术属性】
技术研发人员：代英鹏，孙福山，王松峰，孟令峰，
申请(专利权)人：中国农业科学院烟草研究所中国烟草总公司青州烟草研究所，
类型：发明
国别省市：