基于卷积神经网络校正烘烤烟叶颜色失真图像的方法技术

本发明专利技术公开了一种基于卷积神经网络校正烘烤烟叶颜色失真图像的方法，包括：获取烘烤烟叶颜色失真图像；将所述烟叶颜色失真图像输入到卷积神经网络颜色校正模型中，得到校正后的烘烤烟叶颜色图像。本发明专利技术通过将烟叶颜色失真图像输入到卷积神经网络颜色校正模型中进行校正，经申请人试验，采用本发明专利技术校正后的图像，能够很好的识别烟叶烘烤颜色，准确度达90%，可以作为烟叶烘烤判断的依据，有效解决了烟叶图像采集过程中产生的颜色失真问题。烟叶图像采集过程中产生的颜色失真问题。烟叶图像采集过程中产生的颜色失真问题。

【技术实现步骤摘要】
基于卷积神经网络校正烘烤烟叶颜色失真图像的方法


[0001]本专利技术涉及一种基于卷积神经网络校正烘烤烟叶颜色失真图像的方法，属于烟叶烘烤


技术介绍

[0002]当前，烟叶烘烤程度和烘烤工艺阶段判断主要是靠烘烤技术人员感官获得烟叶当前的颜色和形状，通过对比标准样本，进而适时调整烘烤工艺参数。然而，基于人工经验的烟叶烘烤工艺不客观，个体差异性大，烟叶烘烤质量不稳定。
[0003]基于上述，现有技术CN112540971A公开了一种基于烟叶特征的全信息在线采集系统及方法，该系统包括包括RFID信息采集模块、图像采集模块、图像处理模块、测厚模块、称重模块、近红外光谱采集模块、化学成分分析模块、数据分类模块和数据存储模，该方案可以实现烟叶特征的全信息在线采集，包括图像信息、物理信息、化学信息等，并可构建烟叶特征全信息数据库，便于后续分析、生产使用。然而，在烟叶烘烤过程中装烟室内环境复杂多变，对于摄像头而言处于高温高湿状态，使得图像采集过程中会产生颜色失真，例如图片发绿，图像模糊等，不便于准确的判断。有必要对此进行研究改进。

技术实现思路

[0004]基于上述，本专利技术提供一种基于卷积神经网络校正烘烤烟叶颜色失真图像的方法，能够对失真的烘烤烟叶图像进行校正处理，以便准确判断烟叶的颜色。
[0005]本专利技术的技术方案是：基于卷积神经网络校正烘烤烟叶颜色失真图像的方法，包括：获取烘烤烟叶颜色失真图像；将所述烟叶颜色失真图像输入到卷积神经网络颜色校正模型中，得到校正后的烘烤烟叶颜色图像。
[0006]优选的，所述卷积神经网络颜色校正模型的构建方法如下：获取烘烤烟叶颜色正常图像和颜色失真图像；提取所述颜色正常图像和颜色失真图像的非零像素点的R、G、B均值，通过与同时刻温湿度信息进行多模态融合，建立图像颜色数据集；将所述颜色失真图像的数据集作为输入，将所述颜色正常图像的数据集作为输出，对多层卷积神经网络进行训练，得到卷积神经网络颜色校正模型。
[0007]优选的，在提取R、G、B均值前，将所述烟叶颜色正常图像和颜色失真图像分割为叶茎图像和叶片图像。
[0008]优选的，所述卷积神经网络颜色校正模型为三层，其中第一层对图像进行灰度化处理，第二层对图像进行灰度细节增强，第三层通过端到端的卷积神经网络对图像进行颜色还原，对三层的输出进行积分生成最后的校正图像。
[0009]本专利技术的有益效果是：本专利技术通过将烟叶颜色失真图像输入到卷积神经网络颜色
校正模型中进行校正，经申请人试验，采用本专利技术校正后的图像，能够很好的识别烟叶烘烤颜色，准确度达90%，可以作为烟叶烘烤判断的依据，有效解决了烟叶图像采集过程中产生的颜色失真问题。
附图说明
[0010]图1为基于卷积神经网络校正烘烤烟叶颜色失真图像的方法流程图。
具体实施方式
[0011]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图对本专利技术的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本专利技术。但是本专利技术能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本专利技术内涵的情况下做类似改进，因此本专利技术不受下面公开的具体实施的限制。
[0012]参阅图1，本专利技术实施方式基于卷积神经网络校正烘烤烟叶颜色失真图像的方法，包括以下步骤：S1获取烘烤烟叶颜色失真图像；在烟叶烘烤过程中，拍摄获取烟叶图像，将颜色失真图像，例如图片发绿，图像模糊的图像作为待校正的图像，烟叶图像应对应时刻温湿度信息。
[0013]S2将所述烟叶颜色失真图像输入到卷积神经网络颜色校正模型中，得到校正后的烘烤烟叶颜色图像。
[0014]将前述待校正的图像输入到卷积神经网络颜色校正模型中进行预测校正，从而得到校正后的烘烤烟叶颜色图像。具体而言，卷积神经网络颜色校正模型的构建方法如下：S21，获取烘烤烟叶颜色正常图像和颜色失真图像；初步选定烟叶烘烤过程中的10
‑
20个节点，获取其在烘烤过程中烟叶颜色正常图像和颜色失真图像。
[0015]S22，提取所述颜色正常图像和颜色失真图像的非零像素点的R、G、B均值，通过与同时刻温湿度信息进行多模态融合，建立图像颜色数据集；运用阈值分割法将烟叶颜色正常图像和颜色失真图像分割为叶茎图像和叶片图像，以得到更好的目标特征和识别结果。提取分割后正常与对应失真图像的非零像素点的R,G,B均值，通过与同时刻温湿度信息进行多模态融合，建立图像颜色数据集。
[0016]S23，将所述颜色失真图像的数据集作为输入，将所述颜色正常图像的数据集作为输出，对多层卷积神经网络进行训练，得到卷积神经网络颜色校正模型。
[0017]本实施例中，卷积神经网络颜色校正模型为三层，其中第一层对图像进行灰度化处理，依靠CNN将图像转变为最佳灰度通道图像；第二层对图像进行灰度细节增强，依赖于CNN来去除噪声并增强图像质量；第三层通过端到端的卷积神经网络对图像进行颜色还原，对三层的输出进行积分生成最后的校正图像。通过前述训练，可以得到卷积神经网络颜色校正模型各层参数，进而对输入图片进行校正处理。经申请人试验，采用本专利技术校正后的图像，能够很好的识别烟叶烘烤颜色，准确度达90%，可以作为烟叶烘烤判断的依据，有效解决了烟叶图像采集过程中产生的颜色失真问题。
[0018]以上所述实施例仅表达了本专利技术的几种实施方式，其描述较为具体和详细，但并
不能因此而理解为对本专利技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变形和改进，这些都属于本专利技术的保护范围。因此，本专利技术专利的保护范围应以所附权利要求为准。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于卷积神经网络校正烘烤烟叶颜色失真图像的方法，其特征在于，包括：获取烘烤烟叶颜色失真图像；将所述烟叶颜色失真图像输入到卷积神经网络颜色校正模型中，得到校正后的烘烤烟叶颜色图像。2.根据权利要求1所述的基于卷积神经网络校正烘烤烟叶颜色失真图像的方法，其特征在于，所述卷积神经网络颜色校正模型的构建方法如下：获取烘烤烟叶颜色正常图像和颜色失真图像；提取所述颜色正常图像和颜色失真图像的非零像素点的R、G、B均值，通过与同时刻温湿度信息进行多模态融合，建立图像颜色数据集；将所述颜色失真图像的数据集作为输入，将所述颜色正常图像的...

【专利技术属性】
技术研发人员：曹阳，饶承麟，刘典，郭泽华，张大斌，
申请(专利权)人：权利要求书一页说明书三页附图一页，
类型：发明
国别省市：