[發(fā)明專利]一種基于深度學習的煙葉收購定級系統(tǒng)及定級方法

在審

• 申請?zhí)枺?/td>: 201910890667.6
• 申請日: 2019-09-20
• 公開（公告）號: CN110633684A
• 公開（公告）日: 2019-12-31
• 發(fā)明（設(shè)計）人: 袁庭寧;吳振宇
• 申請（專利權(quán)）人: 南京郵電大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08;G06Q30/02
• 代理公司: 32102 南京蘇科專利代理有限責任公司
• 代理人: 范丹丹

1.一種基于深度學習的煙葉收購定級系統(tǒng)，其特征在于：

包括本地收購工作站和等級結(jié)果顯示大屏幕，本地收購工作站與等級結(jié)果顯示大屏幕電性連接，

煙葉圖像采集設(shè)備，

云端識別服務(wù)器，

深度學習識別模型，該深度學習識別模型置于云端識別服務(wù)器中，基于深度學習技術(shù)構(gòu)建，可對不同收購站發(fā)來的待測煙葉圖像進行存儲、識別、定級，并將結(jié)果返回給各收購站。

2.根據(jù)權(quán)利要求1所述的一種基于深度學習的煙葉收購定級系統(tǒng)，其特征在于：所述本地收購工作站為放置于煙草收購點的小型服務(wù)器。

3.根據(jù)權(quán)利要求1所述的一種基于深度學習的煙葉收購定級系統(tǒng)，其特征在于：所述煙葉圖像采集設(shè)備有稱重模塊、攝像模塊、網(wǎng)絡(luò)模塊、燈光模塊構(gòu)成，當煙農(nóng)將待測煙葉放到該煙葉圖像采集設(shè)備上后，燈光模塊根據(jù)現(xiàn)場亮度情況對待測煙葉進行打燈，保證攝像模塊能夠獲取到較高質(zhì)量的待測煙葉圖像，同時網(wǎng)絡(luò)模塊將所獲的待測煙葉圖像與待測煙捆重量發(fā)送給云端服務(wù)器。

4.根據(jù)權(quán)利要求3所述的一種基于深度學習的煙葉收購定級系統(tǒng)，其特征在于：所述煙葉圖像采集設(shè)備的各個模塊通過控制模塊進行控制，控制模塊為樹莓派，稱重模塊、攝像模塊、網(wǎng)絡(luò)模塊、燈光模塊分別與樹莓派電性連接，當煙農(nóng)將待測煙捆放入稱重系統(tǒng)后，樹莓派控制LED燈打開之后，并控制攝像頭對待測煙葉進行全方位的拍照，然后控制通信模塊將圖片反饋給本地工作站，本地工作站再通過以太網(wǎng)將所獲圖片發(fā)送給云端服務(wù)器，同時，稱重器所測得的待測煙葉重量將一并發(fā)送給本地工作站。

5.一種基于深度學習的煙葉收購定級方法，其特征在于：該方法包括以下步驟：

S1：建立煙葉級別數(shù)據(jù)庫，數(shù)據(jù)庫中包含按照等級劃分的煙葉的圖片以及重量屬性信息；

S2：對S1步驟建立的圖片數(shù)據(jù)庫進行格式轉(zhuǎn)換，用于深度學習模型的訓練；

S3：搭建深度學習識別模型；建立深度學習建立識別模型，加載S2步驟中所轉(zhuǎn)換的煙葉圖片數(shù)據(jù)，對模型進行訓練；

S4：使用煙葉圖像采集設(shè)備采集待測煙葉的圖片；

S5：將圖片傳到云端使用模型進行煙葉定級；

S6：云端返回定級結(jié)果到本地顯示并進行價格結(jié)算；

收購系統(tǒng)根據(jù)返回的定級結(jié)果、待測煙捆質(zhì)量以及該等級的煙葉價格進行結(jié)算，將各項信息包括煙農(nóng)信息、煙捆定級結(jié)果、煙捆質(zhì)量以及最終結(jié)算價格存放在數(shù)據(jù)庫中，重復(fù)上述的S4步驟、S5步驟、S6步驟即是收購過程中煙葉定級系統(tǒng)的運轉(zhuǎn)流程。

6.根據(jù)權(quán)利要求5所述的一種基于深度學習的煙葉收購定級方法，其特征在于：所述深度學習模型具有自學習功能，根據(jù)不斷增加的煙葉數(shù)據(jù)，學習煙葉的等級特征。

7.根據(jù)權(quán)利要求5所述的一種基于深度學習的煙葉收購定級方法，其特征在于：在所述S2步驟中，對數(shù)據(jù)庫中的煙葉圖片進行格式轉(zhuǎn)換，訓練集文件包含CSV文件和圖像文件；CSV文件存儲所有的煙葉訓練圖片的圖片名和它們對應(yīng)的真實標簽，圖像文件存儲所有的煙葉訓練圖片。

8.根據(jù)權(quán)利要求5所述的一種基于深度學習的煙葉收購定級方法，其特征在于：在所述S2步驟中，轉(zhuǎn)換的數(shù)據(jù)分為訓練集和測試集，測試集文件夾中的CSV文件和訓練集文件中的CSV文件不同，測試集文件夾中的CSV文件只包含測試圖像的圖片名，通過訓練訓練集中的煙葉圖片來對測試集中的煙葉圖片進行預(yù)測。

9.根據(jù)權(quán)利要求5所述的一種基于深度學習的煙葉收購定級方法，其特征在于：在所述S3步驟中，使用訓練集對模型進行訓練，之后使用測試集對模型進行測試，再根據(jù)結(jié)果改進模型，通過這樣不斷的迭代，最終使模型的定級精度滿足市場要求，之后將模型放在服務(wù)器中，供各個收購工作站使用。

10.根據(jù)權(quán)利要求5所述的一種基于深度學習的煙葉收購定級方法，其特征在于：在所述S6步驟中，定級結(jié)果返回給收購站后，輸出到收購站系統(tǒng)大屏幕上供煙農(nóng)查看。