CN114115394A - 一种烟叶智能烘烤控制系统及方法 - Google Patents

Abstract

本发明涉及烟草烤制信息处理技术领域，尤其涉及一种烟叶智能烘烤控制系统及方法，包括：烤房主体；自控仪；图像采集装置：包括摄像头、光源、挡风板和采集支撑架，用于采集烤房内不同烘烤状态下烟叶图像；无线传输模块：用于传输采集到的不同烘烤状态的烟叶图像，以及自控仪下烤房主体内的温湿度和风速的烘烤工艺参数；云服务器：用于存储采集到的不同烤房的温湿度和风速的烘烤工艺参数；模型模块：服务器上传采集到的烟叶图像到深度学习模型来进行烟叶状态的识别。本发明能实现烘烤前烟叶素质智能判别、密集烘烤过程烟叶图像精准识别和工艺智能匹配、烘烤中烟叶变化精准监控，物联网云平台远程监控管理，最终实现烟叶烘烤智能化。

Description

一种烟叶智能烘烤控制系统及方法

技术领域

本发明涉及烟草烤制信息处理技术领域，尤其涉及一种烟叶智能烘烤控制系统及方法。

背景技术

烘烤是烟叶彰显内在品质的关键环节，是烟叶内在化学成分和致香物质转化固定的重要环节，也是目前烟叶生产中的费工多，技术难度高，劳动强度大的一个环节。在实际生产中，在三段式烘烤工艺的基础上，烟叶烘烤工艺的设置更多的是围绕烟叶烤黄、烤干等外观质量的需求，存在烘烤参数范围大，工艺针对性不强等问题，工艺选择存在一定盲目性。而且烟叶烘烤过程变黄与干燥状态依旧是以人进行主观判断，烘烤进程中的操作仍具有较强的主观性，即便是目前大量推广的烤房自控设备，也只是单纯的温湿度控制系统，烘烤智能化水平不高。

发明内容

本发明目的是针对背景技术中存在的问题，提出一种能够实现烘烤前烟叶素质智能判别、密集烘烤过程烟叶图像精准识别和工艺智能匹配、烘烤中烟叶变化精准监控，物联网云平台远程监控管理，最终实现烟叶烘烤智能化的一种烟叶智能烘烤控制系统及方法。

一方面，本发明提出一种烟叶智能烘烤控制系统，包括：

烤房主体：为用于密集烘烤加工烟叶的专用设备，设有装烟室和加热室，包括供热设备、通风排湿设备和温湿度控制设备；

自控仪：为用于监测、显示和调控烟叶烘烤过程工艺条件的专用设备，包括温湿度传感器、控制主机和执行器，通过对供热和通风排湿设备的调控，实现烘烤自动控制；

图像采集装置：包括摄像头、光源、挡风板和采集支撑架，摄像头和光源均与挡风板成45°夹角，用于采集烤房内不同烘烤状态下烟叶图像；

无线传输模块：与自控仪通过485通讯连接，与图像采集装置通过网线连接，用于传输采集到的不同烘烤状态的烟叶图像，以及自控仪下烤房主体内的温湿度和风速的烘烤工艺参数；

云服务器：由服务器组成，与无线传输模块通讯连接，用于存储采集到的不同烤房的温湿度和风速的烘烤工艺参数，并在电脑和手机端进行显示；

模型模块：服务器上传采集到的烟叶图像到深度学习模型来进行烟叶状态的识别，下发烤房温湿度和风速的烘烤工艺参数指令到自控仪，若当前显示的烘烤状态与图像判别模型判断的烘烤状态匹配，则服务器通过无线传输模块发送指令到后台的自控仪，继续执行对烟叶的烘烤处理；若当前显示的烘烤状态与图像判别模型判断的烘烤状态不匹配，则按照图像判别模型预测的状态进行，由服务器通过无线传输模块发送指令到后台的自控仪进行烘烤工艺的调整，如此循环直至烘烤结束。

优选的，还包括用于显示后台信息采集系统采集的数据以及人为发送后台温湿度调控指令的客户端。

优选的，客户端以APP形式内置于手机端中。

优选的，烤房主体设置有上、中和下共三层，每层设置一个图像采集装置。

另一方面，本发明提出基于物联网与深度学习的智能烟叶烘烤控制方法，该方法在上述的一种烟叶智能烘烤控制系统中实现，该方法包括如下步骤：

S1、图像采集装置采集的图像通过FTP协议进行图像的本地存储和适时上传至服务器进行烟叶烘烤状态的适时判别；

S2、服务器用训练好的图像判别模型对即时上传的图像进行深度识别，判定烟叶所处的烘烤温湿度和风速，若当前显示的烘烤状态与图像判别模型判断的烘烤状态匹配，则服务器通过无线传输模块发送指令到后台的自控仪，继续执行对烟叶的烘烤处理；若当前显示的烘烤状态与图像判别模型判断的烘烤状态不匹配，则按照图像判别模型预测的状态进行，由服务器通过无线传输模块发送指令到后台的自控仪进行烘烤工艺的调整，如此循环直至烘烤结束；

S3、服务器通过通讯协议在客户端上显示后台信息采集系统采集的数据以及人为发送后台温湿度调控指令；

S4、当出现烤房断电，设备运行异常状况，服务器接收的后台传输数据异常时，启动客户端的异常报警功能，进行短信和语音提示，提醒烘烤控制人员做出相应的应急措施。

优选的，步骤S2中，图像深度识别利用图像判别模型对烟叶进行识别，方法如下：

图像的预处理：对烤烟图像进行随机增强，引导深度学习模型学习其颜色特征、纹理特征和形态特征；

数值预处理：将上、下棚温度和时间进行归一化处理；用卷积模型来提取图像特征；对烤烟过程中的温度序列进行编码；

分类器：分类器通过卷积模型提取的不同烘烤状态的烟叶图像特征进行模型构建，识别出不同烘烤状态的烟叶图像。

与现有技术相比，本发明具有如下有益的技术效果：

本发明能实现烘烤前烟叶素质智能判别、密集烘烤过程烟叶图像精准识别和工艺智能匹配、烘烤中烟叶变化精准监控，物联网云平台远程监控管理，最终实现烟叶烘烤智能化。本发明能够解决现有前烟叶生产中的费工多、技术难度高、劳动强度大、工艺选择存在一定盲目性的问题，且克服了烟叶烘烤过程变黄与干燥状态依旧是以人进行主观判断，烘烤进程中的操作仍具有较强的主观性的问题，有效提高了烘烤智能化水平。

附图说明

图1为本发明实施例一种烟叶智能烘烤控制系统的基本流程示意图；

图2为实施例中图像采集装置的结构示意图；

图3为实施例中图像判别模型训练的流程图。

附图标记：1、摄像头；2、光源；3、挡风布；4、采集支撑架。

具体实施方式

实施例一

如图1-3所示，一种烟叶智能烘烤控制系统，包括：

烤房主体：为用于密集烘烤加工烟叶的专用设备，设有装烟室和加热室，包括供热设备、通风排湿设备和温湿度控制设备；

自控仪：为用于监测、显示和调控烟叶烘烤过程工艺条件的专用设备，包括温湿度传感器、控制主机和执行器，通过对供热和通风排湿设备的调控，实现烘烤自动控制；

图像采集装置：用于采集烤房内不同烘烤状态下烟叶图像；

无线传输模块：与自控仪通过485通讯连接，与图像采集装置通过网线连接，用于传输采集到的不同烘烤状态的烟叶图像，以及自控仪下烤房主体内的温湿度和风速的烘烤工艺参数；

云服务器：由服务器组成，与无线传输模块通讯连接，用于存储采集到的不同烤房的温湿度和风速的烘烤工艺参数，并在电脑和手机端进行显示；

模型模块：服务器上传采集到的烟叶图像到深度学习模型来进行烟叶状态的识别，下发烤房温湿度和风速的烘烤工艺参数指令到自控仪，若当前显示的烘烤状态与图像判别模型判断的烘烤状态匹配，则服务器通过无线传输模块发送指令到后台的自控仪，继续执行对烟叶的烘烤处理；若当前显示的烘烤状态与图像判别模型判断的烘烤状态不匹配，则按照图像判别模型预测的状态进行，由服务器通过无线传输模块发送指令到后台的自控仪进行烘烤工艺的调整，如此循环直至烘烤结束。

客户端：用于显示后台信息采集系统采集的数据以及人为发送后台温湿度调控指令。客户端以APP形式内置于手机端中。

烤房主体设置有上、中和下共三层，每层设置一个图像采集装置。图像采集装置包括摄像头1、光源2、挡风板3和采集支撑架4，摄像头1和光源2均与挡风板3成45°夹角，挡风网3起到挡风的作用。

实施例二

基于物联网与深度学习的智能烟叶烘烤控制方法，该方法在实施例一的一种烟叶智能烘烤控制系统中实现，该方法包括如下步骤：

S1、图像采集装置采集的图像和自控仪采集的烤房内温湿度和风速的烘烤工艺参数通过无线传输模块实时上传至云服务器调用图像判别模型进行烟叶烘烤状态的判别；

S2、服务器用训练好的图像判别模型对即时上传的图像进行深度识别，图像判别模型判定烟叶所处的烘烤温湿度和风速，若当前显示的烘烤状态与图像判别模型判断的烘烤状态匹配，则服务器通过无线传输模块发送指令到后台的自控仪，继续执行对烟叶的烘烤处理；若当前显示的烘烤状态与图像判别模型判断的烘烤状态不匹配，则按照图像判别模型预测的状态进行，由服务器通过无线传输模块发送指令到后台的自控仪进行烘烤工艺的调整，如此循环直至烘烤结束；

S3、服务器通过通讯协议在客户端上显示后台信息采集系统采集的数据以及人为发送后台温湿度调控指令；

S4、当出现烤房断电，设备运行异常状况，服务器接收的后台传输数据异常时，启动客户端的异常报警功能，进行短信和语音提示，提醒烘烤控制人员做出相应的应急措施。

步骤S2中，图像深度识别利用图像判别模型对烟叶进行识别，图像判别模型的训练过程如图3所示，方法如下：

首先进行图像的预处理，对烤烟图像进行随机增强，其中包括：随机翻转、随机旋转、对比度增强、亮度增强、反相、色彩补偿、随机噪声和曝光处理，用于引导深度学习模型学习其颜色特征、纹理特征和形态特征，同时增加模型泛化能力。

对数值进行预处理：

将上棚温度和下棚温度通过maxminscaler归一化到0-1区间，并将烘烤时间转换为[1x4]的矩阵，分别代表：天、小时、分钟、秒，并归一化到0-1区间；图像特征提取采用ResNeXt-101卷积模型用来提取图像特征，模型输入通道数为3，输入图像448*448，其中在ResNeXt-101模型中，包括一个7*7的卷积层和[3，4，23，3]个Bottleneck层，每个Bottleneck层中包含[1*1，3*3，1*1]个的卷积层，输出特征图数量为[2048*14*14]，并通过全局平均池化层转换为[2048*1]的烟叶特征作为输出。

序列数据编码：

序列数据采用GRU模型，对烤烟过程中的温度序列进行编码，模型参数分别为：输入特征大小为5，隐藏单元为256，层数为2，并启用dropout策略概率为20％。输入为当前时刻数值数据和上一时刻的状态，输出为[256*1]的编码特征。其中GRU模型使用两个门用来控制输出和记忆体，它们分别为重置门和更新门。

分类器：

分类器采用交叉熵作为损失函数，将烤烟图像特征和序列数据的编码特征输入到cat层得到[2304x1]的输出，然后通过一个输入为2304，输出为10的Linear层，再通过log_softmax函数，将输入转换成概率分布的形式，并且取负对数底数为e，最后根据线性层的输出通过topk函数得到正确的分类。

回归：

温度回归预测采用SmoothL1作为损失函数，并设置其beta参数为1.0；其作用为：创建一个使用平方项的条件，如果逐元素的绝对误差低于beta，则使用平方损失，否则使用L1损失。

优化器：

优化器采用Adam自适应优化算法。在训练图像判别模型的过程中，让学习率随着训练过程自动修改，以便加快训练，提高模型性能。初始学习率为0.001，L2惩罚系数为0.01。训练批次为16，迭代次数为10000次，最后通过反向传播逐步优化网络参数。

烟叶的远程图像烘烤建模效果：

目前使用某产区工艺以及样本，使用一炉烤烟作为测试集，在测试集中随机选取每个阶段的部分样本作为评估，其中测试集准确率为：80.13％，训练集准确率为：92.49％。

10个工艺阶段每个阶段的测试集准确率和训练集准确率分别如下：

stage：1，acc：86.4％，top2：100％

stage：2，acc：88.8％，top2：100％

stage：3，acc：76.5％，top2：90.6％

stage：4，acc：82％，top2：97.3％

stage：5，acc：72％，top2：92.4％

stage：6，acc：78％，top2：91.6％

stage：7，acc：71.8％，top2：89.8％

stage：8，acc：77％，top2：80％

stage：9，acc：79.8％，top2：90.2％

stage：10，acc：89％，top2：93.2％

本发明围绕烟叶烘烤提质增香、减工降本、绿色发展、智能化的需求和行业导向，进行烟叶智能烘烤技术研究，实现烘烤前烟叶素质智能判别、密集烘烤过程烟叶图像精准识别和工艺智能匹配、烘烤中烟叶变化精准监控，物联网云平台远程监控管理，最终实现烟叶烘烤智能化。项目的开展加快了烟叶烘烤作业向智能化转变，提升烟叶烘烤的核心技术与装备水平，实现烟叶绿色智能化烘烤，推动烟叶高质量发展提高技术支撑。并进一步彰显烟叶质量风格特征，提高烟叶的香气质量，满足卷烟工业优质原料需求，有力提升现代化烟草农业建设水平。本发明能够解决现有前烟叶生产中的费工多、技术难度高、劳动强度大、工艺选择存在一定盲目性的问题，且克服了烟叶烘烤过程变黄与干燥状态依旧是以人进行主观判断，烘烤进程中的操作仍具有较强的主观性的问题，有效提高了烘烤智能化水平。

上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于此，在所属技术领域的技术人员所具备的知识范围内，在不脱离本发明宗旨的前提下还可以作出各种变化。

Claims (6)

1.一种烟叶智能烘烤控制系统，其特征在于，包括：

烤房主体：为用于密集烘烤加工烟叶的专用设备，设有装烟室和加热室，包括供热设备、通风排湿设备和温湿度控制设备；

自控仪：为用于监测、显示和调控烟叶烘烤过程工艺条件的专用设备，包括温湿度传感器、控制主机和执行器，通过对供热和通风排湿设备的调控，实现烘烤自动控制；

图像采集装置：包括摄像头(1)、光源(2)、挡风板(3)和采集支撑架(4)，摄像头(1)和光源(2)均与挡风板(3)成45°夹角，用于采集烤房内不同烘烤状态下烟叶图像；

无线传输模块：与自控仪通过485通讯连接，与图像采集装置通过网线连接，用于传输采集到的不同烘烤状态的烟叶图像，以及自控仪下烤房主体内的温湿度和风速的烘烤工艺参数；

云服务器：由服务器组成，与无线传输模块通讯连接，用于存储采集到的不同烤房的温湿度和风速的烘烤工艺参数，并在电脑和手机端进行显示；

模型模块：服务器上传采集到的烟叶图像到深度学习模型来进行烟叶状态的识别，下发烤房温湿度和风速的烘烤工艺参数指令到自控仪，若当前显示的烘烤状态与图像判别模型判断的烘烤状态匹配，则服务器通过无线传输模块发送指令到后台的自控仪，继续执行对烟叶的烘烤处理；若当前显示的烘烤状态与图像判别模型判断的烘烤状态不匹配，则按照图像判别模型预测的状态进行，由服务器通过无线传输模块发送指令到后台的自控仪进行烘烤工艺的调整，如此循环直至烘烤结束。

2.根据权利要求1所述的一种烟叶智能烘烤控制系统，其特征在于，还包括用于显示后台信息采集系统采集的数据以及人为发送后台温湿度调控指令的客户端。

3.根据权利要求2所述的一种烟叶智能烘烤控制系统，其特征在于，客户端以APP形式内置于手机端中。

4.根据权利要求2所述的一种烟叶智能烘烤控制系统，其特征在于，烤房主体设置有上、中和下共三层，每层设置一个图像采集装置。

5.基于物联网与深度学习的智能烟叶烘烤控制方法，其特征在于，该方法在权利要求3所述的一种烟叶智能烘烤控制系统中实现，该方法包括如下步骤：

S1、图像采集装置采集的图像通过FTP协议进行图像的本地存储和适时上传至服务器进行烟叶烘烤状态的适时判别；

S2、服务器用训练好的图像判别模型对即时上传的图像进行深度识别，判定烟叶所处的烘烤温湿度和风速，若当前显示的烘烤状态与图像判别模型判断的烘烤状态匹配，则服务器通过无线传输模块发送指令到后台的自控仪，继续执行对烟叶的烘烤处理；若当前显示的烘烤状态与图像判别模型判断的烘烤状态不匹配，则按照图像判别模型预测的状态进行，由服务器通过无线传输模块发送指令到后台的自控仪进行烘烤工艺的调整，如此循环直至烘烤结束；

S3、服务器通过通讯协议在客户端上显示后台信息采集系统采集的数据以及人为发送后台温湿度调控指令；

S4、当出现烤房断电，设备运行异常状况，服务器接收的后台传输数据异常时，启动客户端的异常报警功能，进行短信和语音提示，提醒烘烤控制人员做出相应的应急措施。

6.根据权利要求5所述的基于物联网与深度学习的智能烟叶烘烤控制方法，其特征在于，步骤S2中，图像深度识别利用图像判别模型对烟叶进行识别，方法如下：

图像的预处理：对烤烟图像进行随机增强，引导深度学习模型学习其颜色特征、纹理特征和形态特征；

数值预处理：将上、下棚温度和时间进行归一化处理；用卷积模型来提取图像特征；对烤烟过程中的温度序列进行编码；

分类器：分类器通过卷积模型提取的不同烘烤状态的烟叶图像特征进行模型构建，识别出不同烘烤状态的烟叶图像。

Images