[发明专利]基于在线学习的烟叶分类方法及其系统

说明书

本发明涉及基于在线学习的烟叶分类方法及其系统，该方法包括获取烟叶图像；对烟叶图像进行处理，获取烟叶图像数据；将处理后的烟叶图像数据导入深度学习网络；利用深度学习网络进行烟叶分类。本发明通过获取烟叶图像数据以及标注信息，作为输入端输入至深度学习网络Inception Network V3，结合其新增的深度网络以及分类模块，获取烟叶特征，利用烟叶特征进行烟叶分类，实现高效且高准确率的烟叶分类，操作简单，节省成本。

技术领域

本发明涉及烟叶分类方法，更具体地说是指基于在线学习的烟叶分类方法及其系统。

背景技术

烟叶作物在我国农业生产中占有重要地位。烟叶作物的收购中，评级系统对农民和商家的利益具有重要意义。

目前我国烟叶评级制度及实施主要依靠于专家的现场监测，具有效率低，成本高，主观性强等明显缺陷，并且，专家分级对人工要求很高。专家的培养需要严格的培训机制，业务能力的合格需要长时间的实际经验。近年来，随着人工智能在农业应用中的兴起，基于自动化智能设备和算法的技术与系统在农业应用中找到了价值，然而，已有的自动烟叶分级系统具有很多的局限性，导致其在现实应用中效果达不到预期标准，因此仍然需要大量的人力进行复查，现有的自动分类系统主要是基于传统的监督学习的单核分类系统，此类系统有明显的局限性：精度低，传统的机器学习算法，比如基于支持向量机的分类模型，需要人为进行特征的设计和提取，基于人为设计的颜色，纹理等特征的图像分类由于烟叶图像的复杂性，难以在实际中达到最优的性能，无法充分利用所有图像特征进行高效分类，模型训练速度慢，基于单核的机器学习训练系统在大数据的条件下计算效率低，导致新的模型无法快速迭代，自适应能力差，现有的基于batch的机器学习训练系统无法快速适应源源不断的来自实际操作场地的数据流的变化趋势，随着数据量的变大以及新品种的增多，单核处理器需要从零开始训练新的分类模型，效率低下，还可能由于无法同时处理所有的数据导致模型训练失败。

因此，有必要设计有种新的烟叶分类方法，实现高效且高准确率的烟叶分类，操作简单，节省成本。

发明内容

本发明的目的在于克服现有技术的缺陷，提供基于在线学习的烟叶分类方法及其系统。

为实现上述目的，本发明采用以下技术方案：基于在线学习的烟叶分类方法，所述方法包括：

获取烟叶图像；

对烟叶图像进行处理，获取烟叶图像数据；

将处理后的烟叶图像数据导入深度学习网络；

利用深度学习网络进行烟叶分类。

其进一步技术方案为：对烟叶图像进行处理的步骤，包括以下具体步骤：

对烟叶图像进行标注，获取标注信息；

对烟叶图像进行增强处理。

其进一步技术方案为：对烟叶图像进行增强处理的步骤，包括以下具体步骤：

调整烟叶图像的拍摄角度；

调整烟叶图像的缩放比例；

调整烟叶的位置，形成烟叶图像数据。

其进一步技术方案为：利用深度学习网络进行烟叶分类的步骤，包括以下具体步骤：

使用烟叶图像数据对深度学习网络的顶层进行参数的微调，获取烟叶数据的烟叶特征；

根据烟叶特征进行烟叶分类。

其进一步技术方案为：根据烟叶特征进行烟叶分类的步骤之后，还包括：

将烟叶图像数据作为输入数据，进行深度网络的参数更新，并进行数据增强，生成多样化数据。