[發明專利]一種煙葉分級方法及系統

有效

• 申請號: 201910870129.0
• 申請日: 2019-09-16
• 公開（公告）號: CN110807760B
• 公開（公告）日: 2022-04-08
• 發明（設計）人: 魯夢瑤;陳天恩;姜舒文;王聰;陳棟;翟久朋
• 申請（專利權）人: 北京農業信息技術研究中心
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/12;G06T7/194;G06V10/44;G06V10/56;G06V10/764;G06K9/62
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 韓世虹

本發明實施例提供一種煙葉分級方法及系統，該方法包括：獲取目標地區對應的當年待測煙葉樣本的圖像；將待測煙葉樣本的圖像輸入到訓練后的當年煙葉分級模型中，預測所述待測煙葉樣本的等級。訓練后的當年煙葉分級模型包括訓練后的特征提取器和訓練后的第一分類器，由大量帶有等級標簽的歷史煙葉圖像和少量帶有等級標簽的當年煙葉圖像訓練得到。本發明實施例提供一種煙葉分級方法及系統，通過本方法，僅需少量帶有標簽的當年煙葉樣本，即可高效、準確的實現當年煙葉分級模型的構建，實現當年煙葉的準確分級，同時本發明實施例為不同年份的煙葉分級模型更新與調整提供一種新的方法。

技術領域

本發明涉及計算機技術領域，尤其涉及一種煙葉分級方法及系統。

背景技術

煙葉的生長易受外界環境的影響，同一產區不同年份光照、溫度、降水等環境因素的差異，以及煙葉栽培、烘烤技術、管理水平的差異，一定程度上影響著煙葉質量，導致不同年份間煙葉質量存在一定的差異。這種差異體現在不同年份間煙葉的等級純度、成熟度差異較大。

在煙葉分級工作中，這種因年份產生的煙葉品質差異不可忽視。每年分級季前，分級專家會根據當年煙葉實際生長及采收狀態，制訂該年度的煙葉收購標樣，用于指導分級和收購工作，各煙葉收購站會按照標樣煙葉組織分級人員進行培訓。例如，煙葉分級制樣時，該年度某等級中長勢較好的煙葉可以進入上一個等級，即在國標的基礎上根據該年度煙葉實際長勢，適當放寬煙葉收購標準。

人工分級是目前煙葉分級的主要方式，其結果易受分級人員主觀認識的影響，無法保證煙葉分級的準確性和一致性，導致工農商各方在對接時極易產生沖突，且人工分級速率慢、效率低、成本高。

針對當年煙葉人工分級工作中存在的問題，煙葉智能化分級受到農業信息化工作者的重視，越來越多的智能化檢測如光譜技術、機器視覺技術等也被用于煙葉分級的研究中，主要是采用RGB圖像結合深度學習算法對煙葉進行在線分級的方法，可參考專利一種基于深度學習算法的煙葉在線分級方法，該方法仿照國標分級流程，首先通過背景Mask后的煙葉圖像結合卷積神經網絡進行正反面識別，再對正面煙葉進行正組、青煙、雜煙的三分類，最后采用GoogleNet模型進行正組煙的等級劃分。該方法能夠快速、無損、在線的實現青煙、雜煙的剔除，劃分正組等級。

該方案科學合理、流程清晰，然而由于不同年份間煙葉品質有所差異、分級細則有所微調，前一年訓練的模型無法良好的適應下一年的分級任務，因此每年需根據專家制樣對煙葉等級模型進行更新。卷積神經網絡能夠從訓練數據中自動學習與目標任務相符的特征，但是訓練模型需要數量龐大的帶標注數據，采集和標注這些煙葉圖像需要大量的成本和時間；另一方面，重新訓練模型和網絡調參也需要消耗大量的時間。然而，每年煙葉分級季，短時龐大的工作量不允許耗時耗力去搜集大量標注樣本，導致現有的分級方案無法滿足煙葉分級季的實際需求。

因此，亟需一種新的煙葉分級方法。

發明內容

針對上述問題，本發明實施例提供一種煙葉分級方法及系統。

第一方面，本發明實施例提供一種煙葉分級方法，包括：

獲取目標地區對應的當年待測煙葉樣本的圖像；

將待測煙葉樣本的圖像輸入到訓練后的當年煙葉分級模型中，預測所述待測煙葉樣本的等級，訓練后的當年煙葉分級模型包括訓練后的特征提取器和訓練后的第一分類器，訓練后的特征提取器由歷史煙葉樣本的圖像、歷史煙葉樣本的真實等級和當年煙葉樣本的圖像對特征提取網絡訓練得到，所述特征提取網絡訓練時的損失函數根據歷史煙葉分類誤差、歷史煙葉特征和當年煙葉特征之間的最大平均偏差得到，訓練時所述特征提取網絡的初始權重通過遷移歷史煙葉分級模型的權重得到，所述歷史煙葉分級模型由歷史煙葉樣本訓練得到，訓練后的第一分類器由當年煙葉樣本圖像的特征和當年煙葉樣本的真實等級訓練得到，其中所述當年煙葉樣本圖像的特征通過訓練后的特征提取器得到。

優選地，當年煙葉分級模型由特征提取器和第一分類器兩部分組成。