[发明专利]一种基于深度学习算法的烟叶在线分级方法

摘要

本发明涉及一种基于深度学习算法的烟叶在线分级方法，通过一套完整的烟叶分级体系，从正反面分类到正组烟、青烟和杂烟三分类再到正组烟的分级，适用于在线分级；基于监督式学习的方法进行背景Mask，相对于传统算法的去背景处理精度更高；使用全部正面烟叶进行分类和分级，烟叶分级特征更多的体现在正面烟叶上，使用全正面烟叶进行分类和分级具有更严谨的科学性和更高的准确性；采用了GoogLeNet模型进行正组烟的分级，用更多的卷积、更深的网络层数能得到更高的分级准确率。本发明能完全做到快速、无损、在线地进行青烟、杂烟的剔除，准确地划分正组烟烟叶等级，确保收购的各方面利益不受损失。

主权项

1.一种基于深度学习算法的烟叶在线分级方法，其特征在于：包括以下步骤：/n步骤1、获取建模样本和待测烟叶样本的正反面RGB图像数据；/n步骤2、基于监督式学习方法对图像进行背景Mask；使用监督式学习把烟叶区域当作缺陷区域进行学习，确定了烟叶区域后，进行反向选择，即确定了背景区域，包括以下步骤：/n201、首先将样本的烟叶区域进行区域编辑和标记；/n202、使用监督式学习产生一个全域模型，并将输入物件对应到预期输出，形成区域模型；/n203、将待测样本输入到区域模型中，检测出烟叶区域；/n204、将203中烟叶区域进行反向选择，即Mask掉了背景区域；/n步骤3、对已经进行了背景Mask的烟叶图像进行正反面分类处理，挑选出每个样本的正面图像作为后续处理对象；利用卷积神经网络进行特征提取，然后在顶层添加一个Logistic Regression分类器进行正反面的二分类；包括以下步骤：/n301、使用卷积神经网络进行特征获取，在一个卷积层，上一层的特征maps被一个可学习的卷积核进行卷积，然后通过激活函数得到输出特征map，每一个输出map是组合卷积多个输入maps的值：/n302、隐含层的每个神经元与输入层的连线构成了特征向量；去掉输出层，然后再接上Logistic Regression分类器进行二分类；/n步骤4、将步骤3中分出的每个样本的正面烟叶进行一个正组烟、青烟和杂烟的三分类；同步骤3，首先利用卷积神经网络进行特征提取，然后在顶层添加一个Softmax分类器进行三分类；/n步骤5、使用GoogLeNet模型并采用改进后的Inception结构实现正组烟的等级划分。/n