本发明专利技术涉及一种基于深度学习的朱砂烟快速鉴别和分级方法，包括S1、烟叶任意状态放置，由拨料板推入到采图位置进行采图，采集烟叶的叶面彩色图像；S2、将获取到的图像进行图像预处理，去除背景和噪声的影响，而后进入烟叶状态的判别模型，输出烟叶的采集状态；S3、根据输出的不同的烟叶的采集状态调用不同的鉴别模型和分级模型；S4、计算鉴别模型输出的朱砂烟的长度，并根据设定的权重优化分级模型的结果；S5、输出烟叶的判断结果。本发明专利技术在鉴别的过程中根据采集的烟叶正反和展开状态调用不同的深度学习模型，在分级的过程中根据常规算法计算烟叶的长度来修正深度学习判断的等级，算法运行速度快，准确率高，大大提升了效率。
【技术实现步骤摘要】
本专利技术涉及视觉图像检测，尤其是一种基于深度学习的朱砂烟快速鉴别和分级方法。
技术介绍
1、朱砂烟是普通烟草在自然生长过程中突变形成的新品种，因其在烘烤后表面呈现红色斑点而得名，国外称之为“樱红烟”。朱砂烟有着更佳的感官特征和特殊的“糯米香”风味，受到人们的广泛关注。由于朱砂烟的品种较少，加上其口感独特，所以在烟叶的收购过程中，朱砂烟的价格相对较高。收购定价时，需要人工对来料进行分拣，当叶面上朱砂烟的特征性朱砂斑点的面积占叶面总面积的50％以上时，判定为朱砂烟，而后根据朱砂烟的长度、颜色、油分等品质特征，再分为两个等级。因此，不仅人工分拣工作量大，精度不高，且易受主观因素影响，难以大批量长时间高精度作业。
2、随着机器视觉和深度学习算法的发展，出现了多种视觉算法分类和检测的应用，但未见对于朱砂烟的快速鉴别和分级方法，且朱砂烟等级界限模糊，常规的深度学习算法难以达到较好的分类准确率。
技术实现思路
1、本专利技术要解决的技术问题是：提供一种基于深度学习的朱砂烟快速鉴别和分级方法，根据烟叶采集状态自动调用不同的鉴别和分级模型，输出是否为朱砂烟及其等级，最后通过长度的测量优化深度学习等级判别结果，解决了朱砂烟鉴别和分级困难，人工挑拣费时费力的问题。
2、本专利技术解决其技术问题所采用的技术方案是：一种基于深度学习的朱砂烟快速鉴别和分级方法，包括以下步骤，
3、s1、烟叶任意状态放置，由拨料板推入到采图位置进行采图，采集烟叶的叶面彩色图像；
>4、s2、将步骤s1中获取到的图像进行图像预处理，去除背景和噪声的影响，而后进入烟叶状态的判别模型，输出烟叶的采集状态；5、s3、根据步骤s2中输出的不同的烟叶的采集状态调用不同的鉴别模型和分级模型；
6、s4、计算步骤s3中鉴别模型输出的朱砂烟的长度，并根据设定的权重优化分级模型的结果；
7、s5、输出烟叶的判断结果。
8、进一步的说，本专利技术所述的步骤s1中，采集的烟叶包括易与朱砂烟叶混淆的普通烟叶以及等级一朱砂烟叶和等级二朱砂烟叶；图像成像采集过程中突出朱砂烟和普通烟叶的区别特征，朱砂烟的标志性小斑点有4个像素的显示。
9、进一步的说，本专利技术所述的步骤s2中，图像预处理方法为采用高斯滤波去除噪声；将图像的r通道和b通道相减，突出r通道中的烟叶区域，通过阈值分割提取烟叶区域，再通过形态学处理去除毛刺填充孔洞，取反后将背景填充灰度0，得到烟叶的去背景图像；输出的烟叶采集状态包括：全展开正面、全展开反面、半展开正面、半展开反面、未展开。
10、进一步的说，本专利技术所述的步骤s3中，鉴别模型的输入为相应状态下的烟叶图片，输出为朱砂烟和非朱砂烟；所述的分级模型的输入为鉴别模型输出的朱砂烟图像，输出为等级一朱砂烟和等级二朱砂烟。
11、进一步的说，本专利技术所述的步骤s2中的判别模型以及步骤s3中的鉴别模型和分级模型为改进后的vgg16模型；改进方式为减少卷积层数量，最后一个卷积层后的最大池化层替换成sort_pool2d结构，采用全局平均池化替代全连接层；所述的改进后的vgg16模型结构由10个卷积层、4个最大池化层、一个新型池化层sort_pool2d和一个全局平均池化层构成。
12、进一步的说，本专利技术所述的步骤s4中的长度计算采用提取骨架的方式，对烟叶区域提取骨架，计算骨架的最长的两个端点沿骨架路线的长度，作为烟叶的长度，并根据预先设置的长度等级阈值判断出长度对应等级，最后根据长度等级所占权重，修正深度学习输出的等级，完成对朱砂烟等级的判别。
13、本专利技术的有益效果是，解决了
技术介绍
中存在的缺陷，采用深度学习与机器视觉结合的方式，代替传统的人工分烟，可以连续在线地进行朱砂烟的鉴别和分级；采集到烟叶图片先判断状态，再根据状态调用不同的鉴别和分级模型，输出是否为朱砂烟及其等级，最后通过长度的测量优化深度学习等级判别结果；其中深度学习模型使用改进后的vgg16模型，算法速度快，准确率高，需要的样本少；本专利技术具有适应性强，可扩展性强等优点，能够实现朱砂烟鉴别分级的高精度、高效率和自动化分选，能够提高烟叶分选的生产效率，降低生产成本。
本文档来自技高网...
【技术保护点】
1.一种基于深度学习的朱砂烟快速鉴别和分级方法，其特征在于：包括以下步骤，
2.如权利要求1所述的一种基于深度学习的朱砂烟快速鉴别和分级方法，其特征在于：所述的步骤S1中，采集的烟叶包括易与朱砂烟叶混淆的普通烟叶以及等级一朱砂烟叶和等级二朱砂烟叶；图像成像采集过程中突出朱砂烟和普通烟叶的区别特征，朱砂烟的标志性小斑点有4个像素的显示。
3.如权利要求1所述的一种基于深度学习的朱砂烟快速鉴别和分级方法，其特征在于：所述的步骤S2中，图像预处理方法为采用高斯滤波去除噪声；将图像的R通道和B通道相减，突出R通道中的烟叶区域，通过阈值分割提取烟叶区域，再通过形态学处理去除毛刺填充孔洞，取反后将背景填充灰度0，得到烟叶的去背景图像；输出的烟叶采集状态包括：全展开正面、全展开反面、半展开正面、半展开反面、未展开。
4.如权利要求1所述的一种基于深度学习的朱砂烟快速鉴别和分级方法，其特征在于：所述的步骤S3中，鉴别模型的输入为相应状态下的烟叶图片，输出为朱砂烟和非朱砂烟；所述的分级模型的输入为鉴别模型输出的朱砂烟图像，输出为等级一朱砂烟和等级二朱砂烟。
>
5.如权利要求1所述的一种基于深度学习的朱砂烟快速鉴别和分级方法，其特征在于：所述的步骤S2中的判别模型以及步骤S3中的鉴别模型和分级模型为改进后的VGG16模型；改进方式为减少卷积层数量，最后一个卷积层后的最大池化层替换成sort_pool2d结构，采用全局平均池化替代全连接层；所述的改进后的VGG16模型结构由10个卷积层、4个最大池化层、一个新型池化层sort_pool2d和一个全局平均池化层构成。
6.如权利要求1所述的一种基于深度学习的朱砂烟快速鉴别和分级方法，其特征在于：所述的步骤S4中的长度计算采用提取骨架的方式，对烟叶区域提取骨架，计算骨架的最长的两个端点沿骨架路线的长度，作为烟叶的长度，并根据预先设置的长度等级阈值判断出长度对应等级，最后根据长度等级所占权重，修正深度学习输出的等级，完成对朱砂烟等级的判别。
...
【技术特征摘要】
1.一种基于深度学习的朱砂烟快速鉴别和分级方法，其特征在于：包括以下步骤，
2.如权利要求1所述的一种基于深度学习的朱砂烟快速鉴别和分级方法，其特征在于：所述的步骤s1中，采集的烟叶包括易与朱砂烟叶混淆的普通烟叶以及等级一朱砂烟叶和等级二朱砂烟叶；图像成像采集过程中突出朱砂烟和普通烟叶的区别特征，朱砂烟的标志性小斑点有4个像素的显示。
3.如权利要求1所述的一种基于深度学习的朱砂烟快速鉴别和分级方法，其特征在于：所述的步骤s2中，图像预处理方法为采用高斯滤波去除噪声；将图像的r通道和b通道相减，突出r通道中的烟叶区域，通过阈值分割提取烟叶区域，再通过形态学处理去除毛刺填充孔洞，取反后将背景填充灰度0，得到烟叶的去背景图像；输出的烟叶采集状态包括：全展开正面、全展开反面、半展开正面、半展开反面、未展开。
4.如权利要求1所述的一种基于深度学习的朱砂烟快速鉴别和分级方法，其特征在于：所述的步骤s3中，鉴别模型的输入为相应状态下的烟...
【专利技术属性】
技术研发人员：王岩松，和江镇，方志斌，王天真，王晓君，韩飞，
申请(专利权)人：征图新视江苏科技股份有限公司，
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。