[发明专利]一种基于融合模型的烟叶烘烤状态识别方法、装置和系统

说明书

本发明公开了一种基于融合模型的烟叶烘烤状态识别方法、装置和系统，属于烟叶烘烤技术领域，所述方法包括：以预设采集周期采集烘烤过程中烟叶及烤房的原始数据集；将从烟叶图像中提取的特征值转为结构化数据，将结构化数据与原始数据集结合成初始数据集；基于初始数据集中的特征数据获取第一特征集合，对烟叶状态进行编码得到烟叶状态编码；利用第一特征集合和烟叶状态编码训练XGBoost模型、LSTM模型以及BP神经网络模型得到第一层模型，再利用第一特征集合和第一层模型的输出结果训练第二层的XGBoost模型得到融合模型；将实时获取的特征集合输入融合模型得到烟叶识别结果。本申请提高了烟叶烘烤状态识别准确率和识别效率，且无需人工识别，节约了人力成本。

技术领域

本发明属于烟叶烘烤技术领域，更具体地，涉及一种基于融合模型的烟叶烘烤状态识别方法、装置和系统。

背景技术

烟草是我国主要经济作物之一，具有很高的经济效益，但是目前我国烤烟状态判断及工艺调整仍以人工为主，存在劳动强度大、工作效率低、人工成本高等问题。

随着计算机技术的发展，采用计算机技术代替人工对烟叶的状态进行识别已成为趋势。理论上来说，烟叶烘烤过程中烟叶的面积、颜色、纹理、失水量以及一些化学物质的含量等变化明显，可以作为模型的输入特征，但是由于密集化烤房环境复杂，很难实时获取烟叶的面积以及化学物质的含量，只有颜色、纹理和失水量等特征较容易提取，使得模型可用特征变少。

因此，现有技术中对烟叶状态的识别准确率较低。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于融合模型的烟叶烘烤状态识别方法、装置和系统，其目的在于提高对烟叶状态的识别准确率，由此解决由人工识别成本高及计算模型识别准确率低的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种基于融合模型的烟叶烘烤状态识别方法，包括：

S1：在烟叶烘烤过程中，以预设采集周期采集烟叶及烤房的原始数据集，原始数据集包括：烟叶图像、温度湿度数据及失水量数据；

S2：将从烟叶图像中提取的RGB、HSV和纹理特征值转为结构化数据，将结构化数据与原始数据集结合构成初始数据集；

S3：基于初始数据集中的特征数据获取第一特征集合，对烟叶图像中烟叶状态进行数字编码得到烟叶状态编码；

S4：根据两层Stacking模型融合方法，将第一特征集合作为第一层模型输入数据，将烟叶状态编码作为第一层模型识别结果，分别对XGBoost模型、LSTM模型以及BP神经网络模型进行训练，得到第一层基分类器；

S5：将第一特征集合作为第二层模型输入数据，将第一层基分类器输出的三个结果组合成的第二特征集合作为第二层模型识别结果，训练作为第二层元分类器的XGBoost模型，以得到融合模型；

S6：将实时采集的原始数据集对应的特征集合输入融合模型，得到烟叶识别结果。

在其中一个实施例中，S1具体包括：

S101：在烟叶烘烤过程中，以预设采集周期采集烟叶的原始图像、温度湿度数据和失水量数据；

S102：使用中值滤波非线性平滑算法和暗通道去雾算法对原始图像进行预处理得到烟叶图像；

S103：将烟叶图像、温度湿度数据和失水量数据传输至云平台数据库，以构成原始数据集。

在其中一个实施例中，S102具体包括：

S1021：采用中值滤波非线性平滑算法选取原始图像中待处理像素点相邻的预设数目个像素，将预设数目个像素的灰度值中值作为待处理像素点的像素值，以进行图像降噪得到第一图像；