【技术实现步骤摘要】
本专利技术属于计算机机器视觉，特别是涉及一种基于高光谱技术的茄芯烟叶分级方法和系统。
技术介绍
1、茄芯烟叶分级是指根据茄芯烟叶外观和感官特征，由技术人员通过对茄芯烟叶外观、色泽、质地、香味等因素进行综合分析，并按照yc/t 588要求对其品质进行评估后划分为不同等级。由于雪茄烟特别是高档叶束式手卷雪茄烟单一茄芯原料的占比较高，茄芯原料等级质量的均一性和稳定性对雪茄烟产品的感官品质具有决定性影响。目前，雪茄烟茄芯原料分级主要依赖于人工经验分级，导致茄芯烟叶等级质量均一性和稳定性波动较大、效果不佳，严重影响了高端雪茄烟产品的开发。
2、为了解决上述问题，公布号为cn106326899a的专利文件公开了一种基于高光谱图像和深度学习算法的烟叶分级方法，该方法包括如下步骤：步骤1、获取待测烟叶样本的高光谱图像数据；高光谱成像系统的硬件平台包括光源、分光模组、面阵ccd侦测器和装有图像采集卡的计算机；步骤2、对图像进行高层特征提取，对数据进行降维，本步骤中先利用卷积神经网络进行预处理，然后利用深度信念网络进行特征提取；步骤3、对获取的图像信息和光谱信息进行分级：然后在其顶层添加一个softmax层，将得到的特征输入softmax回归分级器实现分级。通过机器分级保障茄芯烟叶各等级质量的均一性和稳定性。但是，该分级方法中采用的卷积神经网路进行预处理，再利用深度信念网络进行特征提取，在卷积神经网络上添加softmax层来对特征进行分类，进而实现对烟叶的分级模型的训练。该方法中构建分类模型的过程较为复杂，涉及到多个模型的训练，导致训练
技术实现思路
1、本专利技术的目的在于提供一种基于高光谱技术的茄芯烟叶分级方法和系统，以解决现有技术中构建分类模型的过程较为复杂，涉及到多个模型的训练，导致训练该烟叶分类模型的开销较大的技术问题。
2、为实现上述目的，本专利技术所提供的一种基于高光谱技术的茄芯烟叶分级方法和系统的技术方案是：
3、一种基于高光谱技术的茄芯烟叶分级方法，该方法包括如下步骤：对各等级茄芯烟叶的高光谱图像数据进行预处理，将预处理后的各等级茄芯烟叶的高光谱图像数据作为数据集；利用数据集中各等级茄芯烟叶的特征波长对茄芯烟叶分级模型进行训练，茄芯烟叶分级模型根据机器学习模型进行构建；将待测茄芯烟叶的高光谱图像数据输入训练好的茄芯烟叶分级模型中，实现对待测茄芯烟叶的分级。
4、作为进一步地改进，茄芯烟叶分级模型采用卷积神经网络模型，该模型中包括有七层结构，分别为输入层、卷积层、批量归一层、relu激活函数层、全连接层、softmax层以及一个分类层。
5、作为进一步地改进，预处理包括有从每片烟叶的高光谱图像数据中均匀提取多个感兴趣区域的光谱数据，对提取的光谱数据进行平均光谱计算，将计算得到的多个平均光谱数据作为数据集的一个数据样本。
6、作为进一步地改进，预处理过程还包括利用黑白帧对提取感兴趣区域后的高光谱图像数据进行数据黑白校正。
7、作为进一步地改进，预处理还包括有利用主成分分析法对黑白校正后的高光谱图像数据进行降维。
8、作为进一步地改进，预处理还包括有利用马氏距离法检测降维后数据样本的马氏距离，根据马氏距离识别出异常数据样本并剔除。
9、作为进一步地改进，对数据集中的数据样本按照如下公式进行一阶导数预处理，
10、
11、其中，xi为第i个波段的反射率，g为窗口宽度。
12、作为进一步地改进，各等级茄芯烟叶的特征波长数据利用连续投影算法选取得到的。
13、本专利技术还公开了一种基于高光谱技术的茄芯烟叶分级系统，该系统包括有处理器，该处理器用于上述的基于高光谱技术的茄芯烟叶分级方法的实施例。
14、本专利技术的基于高光谱技术的茄芯烟叶分级方法有益效果是：通过利用已经分级完成的烟叶高光谱图像数据对茄芯烟叶分级模型进行训练，该茄芯烟叶分级模型根据机器学习模型进行构建，相对现有技术的模型复杂度低，降低了训练分级模型的开销，同时，采用已分级的烟叶样品数据来训练模型，保障了训练后的茄芯烟叶分级模型分级后的类别与当前生产所用的分级类别相对应，提高茄芯烟叶分级的效率。
本文档来自技高网...【技术保护点】
1.一种基于高光谱技术的茄芯烟叶分级方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的基于高光谱技术的茄芯烟叶分级方法，其特征在于，所述茄芯烟叶分级模型采用卷积神经网络模型，该模型中包括有七层结构，分别为输入层、卷积层、批量归一层、ReLU激活函数层、全连接层、Softmax层以及一个分类层。
3.根据权利要求1所述的基于高光谱技术的茄芯烟叶分级方法，其特征在于，所述预处理包括有从每片烟叶的高光谱图像数据中均匀提取多个感兴趣区域的光谱数据，对提取的光谱数据进行平均光谱计算，将计算得到的多个平均光谱数据作为数据集的一个数据样本。
4.根据权利要求3所述的基于高光谱技术的茄芯烟叶分级方法，其特征在于，所述预处理过程还包括利用黑白帧对提取感兴趣区域后的高光谱图像数据进行数据黑白校正。
5.根据权利要求4所述的基于高光谱技术的茄芯烟叶分级方法，其特征在于，所述预处理还包括有利用主成分分析法对黑白校正后的高光谱图像数据进行降维。
6.根据权利要求5所述的基于高光谱技术的茄芯烟叶分级方法，其特征在于，所述预处理还包括有
7.根据权利要求1所述的基于高光谱技术的茄芯烟叶分级方法，其特征在于，对数据集中的数据样本按照如下公式进行一阶导数预处理，
8.根据权利要求1所述的基于高光谱技术的茄芯烟叶分级方法，其特征在于，各等级茄芯烟叶的特征波长数据利用连续投影算法选取得到的。
9.一种基于高光谱技术的茄芯烟叶分级系统，其特征在于，该系统包括有处理器，所述处理器用于处理权利要求1-8任意一项所述的基于高光谱技术的茄芯烟叶分级方法。
...【技术特征摘要】
1.一种基于高光谱技术的茄芯烟叶分级方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的基于高光谱技术的茄芯烟叶分级方法，其特征在于，所述茄芯烟叶分级模型采用卷积神经网络模型，该模型中包括有七层结构，分别为输入层、卷积层、批量归一层、relu激活函数层、全连接层、softmax层以及一个分类层。
3.根据权利要求1所述的基于高光谱技术的茄芯烟叶分级方法，其特征在于，所述预处理包括有从每片烟叶的高光谱图像数据中均匀提取多个感兴趣区域的光谱数据，对提取的光谱数据进行平均光谱计算，将计算得到的多个平均光谱数据作为数据集的一个数据样本。
4.根据权利要求3所述的基于高光谱技术的茄芯烟叶分级方法，其特征在于，所述预处理过程还包括利用黑白帧对提取感兴趣区域后的高光谱图像数据进行数据黑白校正。
5.根据权...
【专利技术属性】
技术研发人员：杨国涛，张勍，李青常，李素晓，马林智，贺琛，张鹏飞，宁英豪，范黎，李栋，汪洪焦，侯子阳，
申请(专利权)人：中国烟草总公司郑州烟草研究院，
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。