[發明專利]一種基于融合模型的煙葉烘烤狀態識別方法、裝置和系統

有效

• 申請號: 202011056569.1
• 申請日: 2020-09-29
• 公開（公告）號: CN112163527B
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 劉競;黃金國;楊鴻;牟小坤;劉小偉
• 申請（專利權）人: 華中科技大學
• 主分類號: G06V20/00
• 分類號: G06V20/00;G06V10/764;G06V10/80;G06V10/82;G06K9/62;G06N3/04;G06N3/08;G06T5/00;G06T7/41
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 李智

本發明公開了一種基于融合模型的煙葉烘烤狀態識別方法、裝置和系統，屬于煙葉烘烤技術領域，所述方法包括：以預設采集周期采集烘烤過程中煙葉及烤房的原始數據集；將從煙葉圖像中提取的特征值轉為結構化數據，將結構化數據與原始數據集結合成初始數據集；基于初始數據集中的特征數據獲取第一特征集合，對煙葉狀態進行編碼得到煙葉狀態編碼；利用第一特征集合和煙葉狀態編碼訓練XGBoost模型、LSTM模型以及BP神經網絡模型得到第一層模型，再利用第一特征集合和第一層模型的輸出結果訓練第二層的XGBoost模型得到融合模型；將實時獲取的特征集合輸入融合模型得到煙葉識別結果。本申請提高了煙葉烘烤狀態識別準確率和識別效率，且無需人工識別，節約了人力成本。

技術領域

本發明屬于煙葉烘烤技術領域，更具體地，涉及一種基于融合模型的煙葉烘烤狀態識別方法、裝置和系統。

背景技術

煙草是我國主要經濟作物之一，具有很高的經濟效益，但是目前我國烤煙狀態判斷及工藝調整仍以人工為主，存在勞動強度大、工作效率低、人工成本高等問題。

隨著計算機技術的發展，采用計算機技術代替人工對煙葉的狀態進行識別已成為趨勢。理論上來說，煙葉烘烤過程中煙葉的面積、顏色、紋理、失水量以及一些化學物質的含量等變化明顯，可以作為模型的輸入特征，但是由于密集化烤房環境復雜，很難實時獲取煙葉的面積以及化學物質的含量，只有顏色、紋理和失水量等特征較容易提取，使得模型可用特征變少。

因此，現有技術中對煙葉狀態的識別準確率較低。

發明內容

針對現有技術的以上缺陷或改進需求，本發明提供了一種基于融合模型的煙葉烘烤狀態識別方法、裝置和系統，其目的在于提高對煙葉狀態的識別準確率，由此解決由人工識別成本高及計算模型識別準確率低的技術問題。

為實現上述目的，按照本發明的一個方面，提供了一種基于融合模型的煙葉烘烤狀態識別方法，包括：

S1：在煙葉烘烤過程中，以預設采集周期采集煙葉及烤房的原始數據集，原始數據集包括：煙葉圖像、溫度濕度數據及失水量數據；

S2：將從煙葉圖像中提取的RGB、HSV和紋理特征值轉為結構化數據，將結構化數據與原始數據集結合構成初始數據集；

S3：基于初始數據集中的特征數據獲取第一特征集合，對煙葉圖像中煙葉狀態進行數字編碼得到煙葉狀態編碼；

S4：根據兩層Stacking模型融合方法，將第一特征集合作為第一層模型輸入數據，將煙葉狀態編碼作為第一層模型識別結果，分別對XGBoost模型、LSTM模型以及BP神經網絡模型進行訓練，得到第一層基分類器；

S5：將第一特征集合作為第二層模型輸入數據，將第一層基分類器輸出的三個結果組合成的第二特征集合作為第二層模型識別結果，訓練作為第二層元分類器的XGBoost模型，以得到融合模型；

S6：將實時采集的原始數據集對應的特征集合輸入融合模型，得到煙葉識別結果。

在其中一個實施例中，S1具體包括：

S101：在煙葉烘烤過程中，以預設采集周期采集煙葉的原始圖像、溫度濕度數據和失水量數據；

S102：使用中值濾波非線性平滑算法和暗通道去霧算法對原始圖像進行預處理得到煙葉圖像；

S103：將煙葉圖像、溫度濕度數據和失水量數據傳輸至云平臺數據庫，以構成原始數據集。

在其中一個實施例中，S102具體包括：

S1021：采用中值濾波非線性平滑算法選取原始圖像中待處理像素點相鄰的預設數目個像素，將預設數目個像素的灰度值中值作為待處理像素點的像素值，以進行圖像降噪得到第一圖像；