[發明專利]一種基于機器視覺和AI深度學習的烤煙等級識別建模方法

有效

• 申請號: 202110361452.2
• 申請日: 2021-04-02
• 公開（公告）號: CN113516617B
• 公開（公告）日: 2023-05-05
• 發明（設計）人: 龍杰;張曉偉;劉宇晨;張軻;孫浩巍;張冀武;蔡潔云;李鄲;顧健龍;楊青
• 申請（專利權）人: 云南省煙草質量監督檢測站
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/75;G06V10/764;G06N20/00
• 代理公司: 北京華清迪源知識產權代理有限公司 11577
• 代理人: 張永維

1.一種基于機器視覺和AI深度學習的烤煙等級識別建模方法，其特征在于，所述方法為：

建立基礎層級模型，按照控制項以及部位、顏色和綜合外觀檔次四種因素，通過煙葉層級樣品，建立外觀基礎層級模型；所述外觀基礎層級模型是煙葉圖像和人工標定經過深度學習建立的模型，具體包括控制項層級、部位層級、顏色層級、綜合外觀層級4類子模型；

所述基礎層級模型的控制項因素包括含青和/或含雜，挑選不同含青程度，包含識別中可遇的不同含青程度從最低不含青到最高含青程度的煙葉若干片，排序層級為7個，標識為“G0～G6”；由3名專業人員，將煙葉按含青的嚴重程度兩兩對比，將煙葉按“G0～G6”7個層級進行排序；將7個層級的煙葉，通過機器視覺和AI深度學習，建立煙葉外觀與“G0～G6”的對應關系；

挑選不同含雜程度，包含識別中可遇的不同含雜程度從最低不含雜到最高含雜程度的煙葉若干片，排序層級為7個，標識為“K0～K6”，由3名以上專業人員，將煙葉按含雜的嚴重程度兩兩對比，將煙葉按“K0～K6”七個層級進行排序，將7個層級的煙葉，通過機器視覺和AI深度學習，建立煙葉外觀與“K0～K6”的對應關系；

煙葉等級樣品與基礎層級模型的匹配，使用與基礎層級模型建立相同的機器視覺手段，先通過控制項的匹配，確定應剔除的青雜層級，再對部位、顏色和綜合外觀檔次分別進行三個維度的匹配，每個等級在每個維度都能匹配到一個層級區間；

煙葉等級識別，將待識別煙葉在每個維度的匹配值與各維度層級區間段進行匹配，完成煙葉的等級識別。

2.如權利要求1所述的一種基于機器視覺和AI深度學習的烤煙等級識別建模方法，其特征在于，所述基礎層級模型包括控制項、部位、顏色和綜合外觀檔次四個因素，各因素的排序分檔依靠專業人員參考煙葉的質量相關標準進行，人數不少于3人，排序一致性需60％以上人員同意，葉片兩兩對比過程中，判別要素較強者，則層級+1，如果無法判定顯著性的強弱，則標為同一層級。

3.如權利要求1所述的一種基于機器視覺和AI深度學習的烤煙等級識別建模方法，其特征在于，所述基礎層級模型的部位因素通過挑選不同部位的煙葉若干片，應包括識別中可遇的各種地區，品種，氣候下各種煙葉的所有部位，包括極端的最低和最高部位，將部位設定為15個層級，表示為“P1、P2…P15”；由3名以上專業人員共同按照《烤煙》國標的部位判定方法，從低到高進行初步的5種小部位排序，即腳葉“P1～P3”、下二棚“P4～P6”、腰葉“P7～P9”、上二棚“P10～P12”、頂葉“P13～P15”，每個小部位煙葉分3個小層級，將同一小部位內的每一片葉片按部位升高或降低的特征顯著性進行兩兩對比，最終將獲得15個從低到高的部位層級煙葉；將15個層級的煙葉，通過機器視覺和AI深度學習，建立煙葉外觀與“P1～P15”的對應關系。

4.如權利要求1所述的一種基于機器視覺和AI深度學習的烤煙等級識別建模方法，其特征在于，所述基礎層級模型的顏色因素通過挑選不同深淺顏色的主組煙葉若干片，包括識別中可遇的各種地區，品種，氣候下的各種正組煙葉顏色，以及各色系的最淺和最深顏色葉片，排序層級設置為12個，表示為“C1～C12”；由3名以上專業人員，首先將煙葉按主組顏色分為3個色系，即：檸檬色3個層級“C1～C3”，橘黃色6個層級“C4～C9”，紅棕色3個層級“C10～C12”，在每個色系內，對煙葉按紅色程度的多少和顏色的飽和度從少到多，從淺到濃進行相對排序，其中以紅色程度為優先因素，如果紅色程度處于同一水平，則對比飽和度，若飽和度也處于同一水平，則標為同一層級，最終將獲得12個從低到高的顏色層級煙葉，將12個層級的煙葉，通過機器視覺和AI深度學習，建立煙葉外觀與“C1～C12”的對應關系。