CN113240277A - 一种基于人工智能分级的烤烟收购等级分类样品制作方法 - Google Patents
一种基于人工智能分级的烤烟收购等级分类样品制作方法 Download PDFInfo
- Publication number
- CN113240277A CN113240277A CN202110524341.9A CN202110524341A CN113240277A CN 113240277 A CN113240277 A CN 113240277A CN 202110524341 A CN202110524341 A CN 202110524341A CN 113240277 A CN113240277 A CN 113240277A
- Authority
- CN
- China
- Prior art keywords
- flue
- tobacco
- artificial intelligence
- grading
- cured tobacco
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 241000208125 Nicotiana Species 0.000 title claims abstract description 74
- 235000002637 Nicotiana tabacum Nutrition 0.000 title claims abstract description 74
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 24
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 11
- 238000012549 training Methods 0.000 claims abstract description 7
- 238000010801 machine learning Methods 0.000 claims abstract description 6
- 239000012535 impurity Substances 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 10
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012797 qualification Methods 0.000 description 2
- 238000005464 sample preparation method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Manufacture Of Tobacco Products (AREA)
Abstract
本发明公开了一种基于人工智能分级的烤烟收购等级分类样品制作方法，所述方法为：使烟叶保持自然状态，通过机器视觉提取烟叶外观特征；对烟叶的颜色深浅、颜色均匀度、颜色饱和度、光泽反映强度、长度、宽度、烟叶含青状况、烟叶含杂状况因素进行采集；按照烤烟收购等级并根据外观特征类型进行分级；分级完成后，进行机器学习训练，构建识别模型，对烟叶进行识别分类。本发明解决了现有烤烟分级准确率低的问题。
Description
技术领域
本发明涉及烟草分类技术领域，具体涉及一种基于人工智能分级的烤烟收购等级分类样品制作方法。
背景技术
按烤烟标准制作等级样品提供机器学习后识别烟叶等级。以当前云南烤烟收购等级人工智能识别的测试结果来看，等级识别准确率低，识别准确性不稳定。
当前人工智能分级学习烟叶样品依据《烤烟》国标及其与文字标准配套的烤烟基准样品和仿制样品实物样品和收购指导样品。学习样品与实际收购烟叶存在较大的差别，一是学习样品的烟叶为人工平展的状态，实际收购烟叶大多数是自然卷曲状态。二是学习样品和实际收购烟叶因品种，地域，年份，生产水平等因素的影响使两者在外观上存在明显差异。三是测试样品不能完全涵盖实际收购烟叶的各种外观特征。采用现有的学习样品进行人工智能识别学习，致使烤烟收购等级识别准确率下降和识别准确性不稳定。
发明内容
为此，本发明提供基于人工智能分级的烤烟收购等级分类样品制作方法，以解决现有烤烟分级准确率低的问题。
为了实现上述目的，本发明提供如下技术方案：
本发明公开了一种基于人工智能分级的烤烟收购等级分类样品制作方法，所述方法为：
使烟叶保持自然状态，通过机器视觉提取烟叶外观特征；
对烟叶的颜色深浅、颜色均匀度、颜色饱和度、光泽反映强度、长度、宽度、烟叶含青状况、烟叶含杂状况因素进行采集；
按照烤烟收购等级并根据外观特征类型进行分级；
分级完成后，进行机器学习训练，构建识别模型，对烟叶进行识别分类。
进一步地，所述烟叶等级按照品种分为云系和红大，云系和红大分别对应多个等级。
进一步地，所述云系品种包括多个等级，分别为：C1F、C2F、C3F、C4F、C1L、C2L、C3L、B1F、B2F、B3F、X2F、X3F、V、BK、CXK。
进一步地，所述云系品种的每个等级包括多个类型：色浅、色深、常规、部位偏上、部位偏下、高成熟、过熟、小叶、较大中部叶、大叶、含青、含杂、上杂、中下杂，每个等级对应其中的多个不同类型。
进一步地，所述云系品种的每个类型具有多个外观特征，包括：长度、宽度、均匀度、饱和度、光泽强度和含青杂程度。
进一步地，所述红大品种包括多个等级，分别为：C1F、C2F、C3F、C4F、C1L、C2L、C3L、B1F、B2F、B3F、X2F、X3F、V、BK、CXK。
进一步地，所述红大品种的每个等级包括多个类型：色浅、色深、常规、偏浅、部位偏上、部位偏下、高成熟、过熟、小叶、大叶、含青、含杂、上杂、中下杂，每个等级对应其中的多个不同类型。
进一步地，所述红大品种的每个类型具有多个外观特征，包括：长度、宽度、均匀度、饱和度、光泽强度和含青杂程度。
进一步地，所述识别模型在经过分级烟叶图像的训练后，自动识别烟叶图像，对烤烟进行精准分类。
本发明具有如下优点：
本发明公开了一种基于人工智能分级的烤烟收购等级分类样品制作方法，通过对烟叶按照品种、等级和类型进行分类，每个类型对应多个外观特征，进行分类，便于机器学习训练所有的烟叶类型，提升识别准确率。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引申获得其它的实施附图。
本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明实施例提供的一种基于人工智能分级的烤烟收购等级分类样品制作方法的流程图；
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例
本实施例公开了一种基于人工智能分级的烤烟收购等级分类样品制作方法，所述方法为：
使烟叶保持自然状态，通过机器视觉提取烟叶外观特征；
对烟叶的颜色深浅、颜色均匀度、颜色饱和度、光泽反映强度、长度、宽度、烟叶含青状况、烟叶含杂状况因素进行采集；
按照烤烟收购等级并根据外观特征类型进行分级；
分级完成后，进行机器学习训练，构建识别模型，对烟叶进行识别分类。
烟叶等级按照品种分为云系和红大，云系和红大分别对应多个等级；参考表1，本实施例基于云系品种进行分类。
表1人工智能分级云系烤烟等级分类
参照表2，按照红大品种进行分类，等级与云系分类相同，但是具体类型与云系有所不同。
表2人工智能分级红大烤烟等级分类
按照以上规则进行分级，分级完成后，进行机器学习训练，相对于传统学习类型，扩大范围，构建识别模型，能够针对所有的烟叶情况进行识别。经相同人工智能分级设备测试，未采用本方法的分级合格率为54.85-65.24％，采用本方法的分级合格率为63.29-77.16％。提升烤烟识别的准确率。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
Claims (9)
1.一种基于人工智能分级的烤烟收购等级分类样品制作方法，其特征在于，所述方法为：
使烟叶保持自然状态，通过机器视觉提取烟叶外观特征；
对烟叶的颜色深浅、颜色均匀度、颜色饱和度、光泽反映强度、长度、宽度、烟叶含青状况、烟叶含杂状况因素进行采集；
按照烤烟收购等级并根据外观特征类型进行分级；
分级完成后，进行机器学习训练，构建识别模型，对烟叶进行识别分类。
2.如权利要求1所述的一种基于人工智能分级的烤烟收购等级分类样品制作方法，其特征在于，所述烟叶等级按照品种分为云系和红大，云系和红大分别对应多个等级。
3.如权利要求2所述的一种基于人工智能分级的烤烟收购等级分类样品制作方法，其特征在于，所述云系品种包括多个等级，分别为：C1F、C2F、C3F、C4F、C1L、C2L、C3L、B1F、B2F、B3F、X2F、X3F、V、BK、CXK。
4.如权利要求3所述的一种基于人工智能分级的烤烟收购等级分类样品制作方法，其特征在于，所述云系品种的每个等级包括多个类型：色浅、色深、常规、部位偏上、部位偏下、高成熟、过熟、小叶、较大中部叶、大叶、含青、含杂、上杂、下杂，每个等级对应其中的多个不同类型。
5.如权利要求3所述的一种基于人工智能分级的烤烟收购等级分类样品制作方法，其特征在于，所述云系品种的每个类型具有多个外观特征，包括：长度、宽度、均匀度、饱和度、光泽强度和含青杂程度。
6.如权利要求2所述的一种基于人工智能分级的烤烟收购等级分类样品制作方法，其特征在于，所述红大品种包括多个等级，分别为：C1F、C2F、C3F、C4F、C1L、C2L、C3L、B1F、B2F、B3F、X2F、X3F、V、BK、CXK。
7.如权利要求6所述的一种基于人工智能分级的烤烟收购等级分类样品制作方法，其特征在于，所述红大品种的每个等级包括多个类型：色浅、色深、常规、常规偏浅、部位偏上、部位偏下、高成熟、过熟、小叶、大叶、含青、含杂、上杂、下杂、中下杂，每个等级对应其中的多个不同类型。
8.如权利要求6所述的一种基于人工智能分级的烤烟收购等级分类样品制作方法，其特征在于，所述红大品种的每个类型具有多个外观特征，包括：长度、宽度、均匀度、饱和度、光泽强度和含青杂程度。
9.如权利要求1所述的一种基于人工智能分级的烤烟收购等级分类样品制作方法，其特征在于，所述识别模型在经过分级烟叶图像的训练后，自动识别烟叶图像，对烤烟进行精准分类。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110524341.9A CN113240277A (zh) | 2021-05-13 | 2021-05-13 | 一种基于人工智能分级的烤烟收购等级分类样品制作方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110524341.9A CN113240277A (zh) | 2021-05-13 | 2021-05-13 | 一种基于人工智能分级的烤烟收购等级分类样品制作方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113240277A true CN113240277A (zh) | 2021-08-10 |
Family
ID=77134210
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110524341.9A Pending CN113240277A (zh) | 2021-05-13 | 2021-05-13 | 一种基于人工智能分级的烤烟收购等级分类样品制作方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113240277A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114766703A (zh) * | 2022-04-07 | 2022-07-22 | 河南中烟工业有限责任公司 | 上部烟叶分选方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101926501A (zh) * | 2010-05-31 | 2010-12-29 | 中国烟草贵州进出口有限责任公司 | 烤烟打叶加工过程中对烟叶分级的方法 |
| CN108335311A (zh) * | 2018-01-22 | 2018-07-27 | 上海烟草集团有限责任公司 | 烟叶形态结构特征的提取方法、电子设备及存储介质 |
| CN110415181A (zh) * | 2019-06-12 | 2019-11-05 | 勤耕仁现代农业科技发展(淮安)有限责任公司 | 一种开放环境下烤烟rgb图像智能识别及等级判定方法 |
| CN110479636A (zh) * | 2019-07-19 | 2019-11-22 | 深圳市微蓝智能科技有限公司 | 基于神经网络自动分拣烟叶的方法及装置 |
-
2021
- 2021-05-13 CN CN202110524341.9A patent/CN113240277A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101926501A (zh) * | 2010-05-31 | 2010-12-29 | 中国烟草贵州进出口有限责任公司 | 烤烟打叶加工过程中对烟叶分级的方法 |
| CN108335311A (zh) * | 2018-01-22 | 2018-07-27 | 上海烟草集团有限责任公司 | 烟叶形态结构特征的提取方法、电子设备及存储介质 |
| CN110415181A (zh) * | 2019-06-12 | 2019-11-05 | 勤耕仁现代农业科技发展(淮安)有限责任公司 | 一种开放环境下烤烟rgb图像智能识别及等级判定方法 |
| CN110479636A (zh) * | 2019-07-19 | 2019-11-22 | 深圳市微蓝智能科技有限公司 | 基于神经网络自动分拣烟叶的方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 贾炳文: "基于机器视觉与深度学习的烟叶定级研究", 《中国优秀硕士学位论文全文数据库 工程科技I辑》, no. 4, 15 April 2020 (2020-04-15), pages 024 - 230 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114766703A (zh) * | 2022-04-07 | 2022-07-22 | 河南中烟工业有限责任公司 | 上部烟叶分选方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110534132A (zh) | 一种基于谱图特征的并行卷积循环神经网络的语音情感识别方法 | |
| CN112464942B (zh) | 基于计算机视觉的重叠烟叶智能化分级方法 | |
| CN109214298B (zh) | 一种基于深度卷积网络的亚洲女性颜值评分模型方法 | |
| CN109472284A (zh) | 一种基于无偏嵌入零样本学习的电芯缺陷分类方法 | |
| CN113240277A (zh) | 一种基于人工智能分级的烤烟收购等级分类样品制作方法 | |
| CN110555487B (zh) | 一种基于卷积神经网络的鲜茶叶识别分类方法和系统 | |
| CN108335311A (zh) | 烟叶形态结构特征的提取方法、电子设备及存储介质 | |
| CN101926501A (zh) | 烤烟打叶加工过程中对烟叶分级的方法 | |
| CN114862858A (zh) | 基于集成学习的雪茄烟采收成熟度识别方法及系统 | |
| CN105389345A (zh) | 一种分类短信文本内容的方法 | |
| CN108846862A (zh) | 一种颜色先验知识导向的草莓机器手目标定位方法 | |
| CN111507967A (zh) | 一种自然果园场景下的芒果高精度检测方法 | |
| Carolina et al. | Classification of oranges by maturity, using image processing techniques | |
| Boyce et al. | A reclassification of Sauromatum Schott and new species of Typhonium Schott (Araceae) | |
| CN115205626A (zh) | 一种应用于涂层缺陷检测领域的数据增强方法 | |
| MacArthur | Linkage studies with the tomato. II. Three linkage groups | |
| CN113017133A (zh) | 一种基于烟叶颜色的分类配方打叶方法 | |
| CN113723291A (zh) | 一种基于多光谱图像的坡地地物精细化分类方法 | |
| CN107705050A (zh) | 一种客户信息泄露风险评估系统的构建方法及构建系统 | |
| CN115588136A (zh) | 一种基于多层次空谱融合的神经网络高光谱图像分类方法 | |
| CN113670917B (zh) | 一种绿茶品质的分析方法和系统 | |
| CN115661024A (zh) | 雪茄茄衣颜色判别方法、装置、存储介质及服务器 | |
| CN110122916A (zh) | 一种适于工业生产的烟叶原料打叶复烤分选方法 | |
| CN115330721A (zh) | 基于形状和颜色信息的香蕉果梳饱满度检测方法与系统 | |
| CN113516617B (zh) | 一种基于机器视觉和ai深度学习的烤烟等级识别建模方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |