【技术实现步骤摘要】
本申请涉及烤烟烘烤工艺，特别是一种基于机器视觉时序分析和自然语言处理的烘烤工艺优化方法。
技术介绍
1、传统烘烤方法通常依赖于经验和试错来确定烘烤参数，这需要耗费大量时间和资源，需要反复多次试验且所得结果难以保证有效达到最佳效果。其次，受制于人为因素影响，烘烤过程的一致性和可控性较差，导致产品质量不稳定。此外，对于复杂的烘烤工艺，人工操作对其中某一参数进行误判和错误调整后，会影响整体工艺处理后所得产品的品质。
2、面向人机交互的烘烤工艺智能优化方法，通过使用传感器技术实时监测烤箱内部环境和食品状态，可以获得准确的数据，从而更好地了解烘烤过程。利用数据采集与分析技术，可以将传感器数据进行处理、分析和建模，提取有关烘烤过程和产品质量的关键特征，为优化提供基础。同时，设计直观友好的人机交互界面，使操作人员能够轻松地设定烘烤参数、监测过程和调整优化策略，提升操作的便利性和效率。
3、但仅仅依靠面向人机交互的烘烤工艺无法实现对现有烤烟工艺方法的有效优化。
4、公开于
技术介绍
部分的信息仅仅旨在增加对本专利技术的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域普通技术人员所公知的现有技术。
技术实现思路
1、本申请针对上述技术问题提供了一种基于机器视觉时序分析和自然语言处理的烘烤工艺优化方法，该方法结合智能优化算法(机器学习、优化算法或专家系统)，自动学习和优化烘烤参数，以达到最佳的烘烤效果和产品质量，该方法能够提高烘烤过程的自动化、智能
2、本申请提供了一种基于机器视觉时序分析和自然语言处理的烘烤工艺优化方法，包括以下步骤：
3、步骤s1：收集历史烟叶烘烤图片并标定：收集历史烘烤过程中摄像头采集记录的烟叶数据，并结合专家指导意见和历史经验标定图像中烟叶所处的烘烤程度，得到数据集；
4、步骤s2：烟叶烘烤程度分类模型训练：使用轻量化图片识别模型mobilenet作为烟叶烘烤程度的基础模型，并使用步骤s1中标定好的数据集训练识别模型；
5、步骤s3：历史失水速率采集并离散化：收集烘烤过程中传感器获取的烟叶失水速率时序数据，并按照获取时间段将失水速率连续数据离散化；
6、步骤s4：离散化的失水速率数据和分类烟叶图片标定：根据所获取图像对应的历史烘烤曲线，标定每个离散化的失水率数据和分类后的烟叶图片所处的烘烤关键结点；
7、步骤s5：关键点识别模型训练：训练基于朴素贝叶斯分类算法的关键点识别模型，模型输入当前待处理烟叶所处的烘烤状态和失水速率区间，输出当前烟叶所处的烘烤关键结点；
8、步骤s6：历史专家意见和烘烤曲线调整策略收集、标定：收集记录烘烤关键点专家意见与当前所得的烘烤曲线调整策略，使用自然语言处理逻辑标定收集的数据，得到转化数据集；
9、步骤s7：专家意见转化模型训练：使用基于词关联网络textrank算法作为专家意见转化模型的基础模型，并使用步骤s6中所得转化数据集训练该模型，得到具有最高权重的句子作为摘要的关键句，或选择排名靠前的单词作为关键词，根据所得关键词对烤烟工艺进行改进优化。
10、采用该方法可有效实现对现有烤烟工艺的优化，在该优化过程中，既充分考虑了现有烤烟工艺的烟叶颜色变化、失水速率这两个关键因素，同时又综合了专家意见，利用该方法实现专家意见与上述两项参数的直接准确匹配，并能直接获得专家有针对性的改进优化意见，实现对工艺的可靠准确优化。
11、优选的，步骤s1中收集历史烟叶烘烤图片并标定，历史烟叶数据收集检测频率与烘烤温度检测频率相同，每上传一次烘烤温度，同时上传烟叶图像并保存所得图像。
12、优选地，步骤s2中使用轻量化图片识别模型mobilenet作为烟叶烘烤程度的基础模型；步骤s2中根据专家意见和历史经验将所处理图片中烟叶变黄程度分为三类{绿，浅黄，中黄，深黄}。
13、优选地，步骤s3历史失水速率采集并离散化具体为；将连续时序失水率检测数据离散化；时序检测数据为x；离散化的数据应当包括离散数据段的均值，极值，标准差；假设x可分为n段{x1、x2…、xn},每个数据段可由xn＝{μn,δn,maxn,minn}表示。
14、优选地，步骤s4离散化失水速率数据和分类烟叶图片标定具体为；根据烘烤曲线六步三关，将图像和离散失水率数据分为{关键点1、关键点2、关键点3、非关键点}并分别对应于{c1、c2、c3、c4}。
15、优选地，步骤s5中基于朴素贝叶斯分类算法包括以下步骤：
16、步骤s51：数据准备：准备标记好类别的训练数据集，其中每个样本都有一组特征和对应的类别标签；
17、步骤s52：特征独立性假设：朴素贝叶斯算法假设所有特征之间是相互独立的，即每个特征对于分类结果的贡献是相互独立的；
18、步骤s53：计算先验概率：计算每个类别出现的先验概率，即在训练数据集中某个类别的样本占总样本数的比例。
19、步骤s54：计算条件概率：对于每个特征和每个类别，计算其条件概率。条件概率表示给定某个特征值的情况下，样本属于某个类别的概率。这些概率可以通过统计训练数据集中的频数得到。
20、步骤s55：进行分类预测：对于一个新的待分类样本，使用贝叶斯定理将先验概率与条件概率结合起来，计算出每个类别的后验概率；然后选择具有最高后验概率的类别作为预测结果。
21、优选地，步骤s6包括：面向人机互动的智能烘烤优化中专家意见的自动识别和到控制信号的转化是重要的一环，烘烤曲线调整策略可分为{保持，缓慢升温，立即升温}；将历史专家意见与离散化策略对应，创建文本意见转化数据集。
22、本申请的另一方面还提供了一种使用上述方法的装置，包括：
23、收集历史烟叶烘烤图片并标定模块，用于收集历史烘烤过程中摄像头采集记录的烟叶数据，并结合专家指导意见和历史经验标定图像中烟叶所处的烘烤程度，得到数据集；
24、烟叶烘烤程度分类模型训练模块，用于使用轻量化图片识别模型mobilenet作为烟叶烘烤程度的基础模型，并使用步骤s1中标定好的数据集训练识别模型；
25、历史失水速率采集并离散化模块，用于收集烘烤过程中传感器获取的烟叶失水速率时序数据，并按照获取时间段将失水速率连续数据离散化；
26、离散化的失水速率数据和分类烟叶图片标定模块，用于根据所获取图像对应的历史烘烤曲线，标定每个离散化的失水率数据和分类后的烟叶图片所处的烘烤关键结点；
27、关键点识别模型训练模块，用于训练基于朴素贝叶斯分类算法的关键点识别模型，模型输入当前待处理烟叶所处的烘烤状态和失水速率区间，输出当前烟叶所处的烘烤关键结点；
28、历史专家意见和烘烤曲线调整策略收集、标定模块，用于：收集记录烘烤关键点专家意见与本文档来自技高网...
【技术保护点】
1.一种基于机器视觉时序分析和自然语言处理的烘烤工艺优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器视觉时序分析和自然语言处理的烘烤工艺优化方法，其特征在于，步骤S1中收集历史烟叶烘烤图片并标定，历史烟叶数据收集检测频率与烘烤温度检测频率相同，每上传一次烘烤温度，同时上传烟叶图像并保存所得图像。
3.根据权利要求1所述的基于机器视觉时序分析和自然语言处理的烘烤工艺优化方法，其特征在于，步骤S2中使用轻量化图片识别模型mobilenet作为烟叶烘烤程度的基础模型；步骤S2中根据专家意见和历史经验将所处理图片中烟叶变黄程度分为三类{绿，浅黄，中黄，深黄}。
4.根据权利要求1所述的基于机器视觉时序分析和自然语言处理的烘烤工艺优化方法，其特征在于，步骤S3历史失水速率采集并离散化具体为；将连续时序失水率检测数据离散化；时序检测数据为X；离散化的数据应当包括离散数据段的均值，极值，标准差；假设X可分为n段{x1、x2…、xn},每个数据段可由xn＝{μn,δn,maxn,minn}表示。
5.根据权利要求1所述的基于机
6.根据权利要求1所述的基于机器视觉时序分析和自然语言处理的烘烤工艺优化方法，其特征在于，步骤S5中基于朴素贝叶斯分类算法包括以下步骤：
7.根据权利要求1所述的基于机器视觉时序分析和自然语言处理的烘烤工艺优化方法，其特征在于，步骤S6包括：面向人机互动的智能烘烤优化中专家意见的自动识别和到控制信号的转化是重要的一环，烘烤曲线调整策略可分为{保持，缓慢升温，立即升温}；将历史专家意见与离散化策略对应，创建文本意见转化数据集。
8.一种用于执行如权利要求1～7中任意一项所述基于机器视觉时序分析和自然语言处理的烘烤工艺优化方法的装置，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被执行时实现如权利要求1～7中任意一项所述基于机器视觉时序分析和自然语言处理的烘烤工艺优化方法的步骤。
10.一种计算机设备，包括处理器、存储器和存储于所述存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1～7中任意一项所述基于机器视觉时序分析和自然语言处理的烘烤工艺优化方法的步骤。
...【技术特征摘要】
1.一种基于机器视觉时序分析和自然语言处理的烘烤工艺优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器视觉时序分析和自然语言处理的烘烤工艺优化方法，其特征在于，步骤s1中收集历史烟叶烘烤图片并标定，历史烟叶数据收集检测频率与烘烤温度检测频率相同，每上传一次烘烤温度，同时上传烟叶图像并保存所得图像。
3.根据权利要求1所述的基于机器视觉时序分析和自然语言处理的烘烤工艺优化方法，其特征在于，步骤s2中使用轻量化图片识别模型mobilenet作为烟叶烘烤程度的基础模型；步骤s2中根据专家意见和历史经验将所处理图片中烟叶变黄程度分为三类{绿，浅黄，中黄，深黄}。
4.根据权利要求1所述的基于机器视觉时序分析和自然语言处理的烘烤工艺优化方法，其特征在于，步骤s3历史失水速率采集并离散化具体为；将连续时序失水率检测数据离散化；时序检测数据为x；离散化的数据应当包括离散数据段的均值，极值，标准差；假设x可分为n段{x1、x2…、xn},每个数据段可由xn＝{μn,δn,maxn,minn}表示。
5.根据权利要求1所述的基于机器视觉时序分析和自然语言处理的烘烤工艺优化方法，其特征在于，步骤s4离散化失水速率数据和分类烟叶图片标定具体为；根据烘烤曲线六步...
【专利技术属性】
技术研发人员：陈颐，胡彬彬，姜永雷，魏同权，李浩，袁坤，唐玉春，杨学书，何军，喻曦，项岩所保，
申请(专利权)人：云南省烟草农业科学研究院，
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。