【技术实现步骤摘要】
本专利技术属于烟草行业检测，具体涉及烟叶叶脉的识别方法，提出一种烟叶脉络的识别方法。
技术介绍
1、烤烟是我国重要的经济作物之一，其品质直接影响着烟草行业的发展和消费者的需求。在卷烟加工时，烤烟的品质会受到多种因素的影响，其中之一就是烤烟叶片的结构特征，如叶脉、叶面、叶肉等。叶脉是烤烟叶片中最显著的结构特征之一，因为烟叶和烟梗所组成的化学成分不同，物理性质相差较大，其不仅影响着烤烟的外观、风味和香气，也与烤烟的生理生化特性密切相关，直接影响烤烟的经济价值和燃吸品质。因此，对烤烟叶脉进行准确的识别和分析，对于提高烤烟的分级质量和效率，促进烤烟的品种鉴定、育种、生理生化分析等，具有重要的意义。
2、目前，对于烤烟叶脉的识别和分析，主要采用人工观察和测量的方法，这种方法不仅耗时耗力，而且容易受到人为因素的干扰，导致结果不准确、不稳定和不可重复。在现有技术中，为解决自动化识别烤烟叶脉络的问题,出现了一些基于图像处理和机器学习技术的方法。这些方法利用数字设备采集烟叶图像,然后通过图像处理和机器学习算法实现烟叶脉络的检测和分割。相比传统人工方法,这些自动化方法具有速度快、效率高、精度高等优点。图像处理方法采用阈值分割、边缘检测等对烟叶图像进行预处理,再提取脉络。这类方法计算简单,但也因对图像质量敏感，叶脉脉络形态复杂多变,不同烟叶存在遮挡、折皱、污渍等干扰的问题，导致分割的结果不稳定。所以，一直以来烟叶脉络分割是一个充满挑战的任务。
3、现有的方法大多只利用了图像信息中的空间特征，忽略了图像信息中包含的光谱特征。光谱
技术实现思路
1、本专利技术的目的在于，提出烟叶脉络的识别方法，能够构建一个端到端的分割网络，实现对烤烟叶脉的准确识别和分析。
2、本专利技术的另一目的在于，提出烟叶脉络的识别方法，基于高光谱成像技术与主成分分析算法，提取烟叶脉络的高光谱图像最佳波段并转换为假彩色图像，通过u-net++网络在假彩色图像上提取烟叶脉络的位置及轮廓，通过有效地分割识别烤烟叶脉的高光谱图像,实现对烤烟叶脉准确的识别和分析。
3、本专利技术的又一目的在于，提出烟叶脉络的识别方法，其中通过采用imagenet预训练，降低建立模型所需的样本数据的数量，减小对目标数据集的依赖，缓解样本不足问题。
4、为达到上述专利技术目的，本专利技术提出一种烟叶脉络的识别方法，其中，获取多个标准烟叶样品的高光谱图像信息；对所述高光谱图像信息进行数据校正；对经过数据校正的所述高光谱图像信息进行光谱预处理；将经过光谱预处理后的所述光谱图像信息，通过主成分分析算法选择最佳波段特征，并将其合成为假彩色图像；以所述假彩色图像为样本数据，建立u-net++网络分割模型；基于u-net++网络分割模型对待测试烟叶样本脉络进行分割识别。
5、与现有技术相比，本专利技术提出的烟叶脉络的识别方法具有以下特点和优点：
6、本专利技术提出的烟叶脉络的识别方法，基于高光谱图像的烟叶脉络分割识别方法，利用高光谱图像的丰富信息，提取烟叶脉络的特征和知识，构建一个端到端的分割网络，有效地检测和分割出烤烟叶脉区域，实现烟叶脉络的自动化、精确化、鲁棒化的分割识别，与人工方法相比，具有速度快、效率高、精度高等优点。
7、本专利技术提出的烟叶脉络的识别方法，u-net++在烟叶脉络分割识别任务上具有最优的性能，相比于其他网络结构，它能够有效地提高特征融合的效果，增强语义信息的传递，改善边缘细节的表现，从而提高分割精度和鲁棒性，并能够为烟叶品质评价和智能分级提供有效的技术支持。
8、本专利技术提出的烟叶脉络的识别方法，通过采用imagenet预训练，解决了深度学习网络需要大量的数据样本进行训练迁移学习的问题，仅利用原模型的训练参数来初始化新的模型，即可实现对有限数量的标签数据的快速模型训练。
本文档来自技高网...【技术保护点】
1.一种烟叶脉络的识别方法，其特征在于，获取多个标准烟叶样品的高光谱图像数据；对所述高光谱图像数据进行数据校正；对经过数据校正的所述高光谱图像数据进行光谱预处理；将经过光谱预处理后的所述光谱图像数据，通过主成分分析算法选择最佳波段特征，并将其合成为假彩色图像；以所述假彩色图像为样本数据，建立UNet++网络分割模型；基于UNet++网络分割模型对待测试烟叶样本脉络进行分割识别。
2.如权利要求1所述的烟叶脉络的识别方法，其特征在于，各所述标准烟叶样品具有相同的含水率。
3.如权利要求2所述的烟叶脉络的识别方法，其特征在于，将多个所述标准烟叶样品放置于相对湿度70％，环境温度23-27℃的环境中平衡48小时，以使各所述标准烟叶样品具有相同的含水率。
4.如权利要求1所述的烟叶脉络的识别方法，其特征在于，通过高光谱成像系统分别采集各所述标准烟叶的高光谱图像数据。
5.如权利要求1所述的烟叶脉络的识别方法，其特征在于，通过黑白板校正方法进行数据校正，所述数据校正公式为：
6.如权利要求1所述的烟叶脉络的识别方法，其特征在于，所
7.如权利要求1所述的烟叶脉络的识别方法，其特征在于，通过主成分分析算法选择最佳波段特征，包括：对所述高光谱图像数据进行中心化并使数据均值为0；计算所述高光谱图像数据的协方差矩阵；对所述协方差矩阵进行特征值分解，得到特征值和特征向量；选择最大的特征值对应的特征向量，组成一个投影矩阵；将所述投影矩阵投影到新的低维空间中，得到降维后的数据，该降维后的数据为所述最佳波段特征。
8.如权利要求1所述的烟叶脉络的识别方法，其特征在于，所述建立UNet++网络分割模型，包括：对所述假彩色图像进行人工标定并使其区分为叶脉区域和非叶脉区域；将人工标定后的所述假彩色图像作为训练样本和测试样本用于U-net网络，通过构建损失函数进行对所述的叶脉区域进行分割识别并获得样本图像；将所述样本图像在ImageNet数据集中进行训练并获得模型参数；将所述模型参数作为网络初始参数应用于U-net++网络，建立UNet++网络分割模型。
9.如权利要求8所述的烟叶脉络的识别方法，其特征在于，所述损失函数包括交叉熵损失函数和Dice损失函数，其计算公式为：
10.如权利要求1所述的烟叶脉络的识别方法，其特征在于，建立UNet++网络分割模型后对所述UNet++网络分割模型进行性能评价，性能评价的指标包括正确率、精准率、召回率和交并比。
11.如权利要求10所述的烟叶脉络的识别方法，其特征在于，所述正确率，其计算公式为：
12.如权利要求10所述的烟叶脉络的识别方法，其特征在于，所述精准率，其计算公式为：
13.如权利要求10所述的烟叶脉络的识别方法，其特征在于，所述召回率，其计算公式为：
14.如权利要求10所述的烟叶脉络的识别方法，其特征在于，所述交并比，其计算公式为：
...【技术特征摘要】
1.一种烟叶脉络的识别方法，其特征在于，获取多个标准烟叶样品的高光谱图像数据；对所述高光谱图像数据进行数据校正；对经过数据校正的所述高光谱图像数据进行光谱预处理；将经过光谱预处理后的所述光谱图像数据，通过主成分分析算法选择最佳波段特征，并将其合成为假彩色图像；以所述假彩色图像为样本数据，建立unet++网络分割模型；基于unet++网络分割模型对待测试烟叶样本脉络进行分割识别。
2.如权利要求1所述的烟叶脉络的识别方法，其特征在于，各所述标准烟叶样品具有相同的含水率。
3.如权利要求2所述的烟叶脉络的识别方法，其特征在于，将多个所述标准烟叶样品放置于相对湿度70％，环境温度23-27℃的环境中平衡48小时，以使各所述标准烟叶样品具有相同的含水率。
4.如权利要求1所述的烟叶脉络的识别方法，其特征在于，通过高光谱成像系统分别采集各所述标准烟叶的高光谱图像数据。
5.如权利要求1所述的烟叶脉络的识别方法，其特征在于，通过黑白板校正方法进行数据校正，所述数据校正公式为：
6.如权利要求1所述的烟叶脉络的识别方法，其特征在于，所述光谱预处理包括，通过采用savitzky-golay滤波对高光谱图像每个像素点的原始光谱进行预处理。
7.如权利要求1所述的烟叶脉络的识别方法，其特征在于，通过主成分分析算法选择最佳波段特征，包括：对所述高光谱图像数据进行中心化并使数据均值为0；计算所述高光谱图像数据的协方差矩阵；对所述协方差矩阵进行特征值分解，得到特...
【专利技术属性】
技术研发人员：张雷，张雯晶，李嘉康，苏子淇，李辉，徐大勇，李善莲，堵劲松，
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。