申请/专利权人：云南省烟草农业科学研究院

申请日：2023-12-08

公开（公告）日：2024-03-05

公开（公告）号：CN117649558A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/20;G06V10/30;G06V10/44;G06V10/32;G06V10/54;G06V10/56;G06V10/82;G06V20/64;G06N3/0455;G06N3/0895

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.22#实质审查的生效;2024.03.05#公开

摘要：本发明提出了一种烤坏烟的精准识别方法，对烟叶图像的叶片颜色特征和纹理特征进行提取，所述叶片颜色特征通过RGB模型和HSV模型进行提取；所述纹理特征包括纹理惯性、纹理能量、纹理熵和纹理相关性；为下一步的模型构建提供了更精准的特征信息，并构建了机器学习‑视觉自监督预训练模型对烟叶图像进行精准分类，该模型可以快速收敛并提高识别精度，增强图片表征学习的语义互补能力，并对该模型进行准确性评价，为后面针对不同的烤坏烟类型提供原因分析和预防措施奠定基础，以期为帮助烟农烘烤、减少烟叶烘烤损失率提供参考。

主权项：1.一种烤坏烟的精准识别方法，其特征在于，包括以下步骤：S1：烤坏烟图片获取，用手机或相机拍摄对应单个烤坏烟叶的照片，将所有烤坏烟进行分类，所述分类的类型包括青黄烟、霉烂烟、泅筋泅片、黑糟枯片、蒸片、挂灰烟、烤红烟和病害烟；然后上传到网络服务器或者导出到PC软件并将所有照片按照设定比例随机分配为训练集和测试集；S2：预处理，通过集成的图片预处理算法，对S1中的照片进行图像去噪、边缘提取、背景扣除、标准化尺寸得到标准照片；S3：特征提取，对S2中标准照片的训练集进行特征提取，所述特征提取包括对烟叶图像中叶片颜色特征和纹理特征进行提取；所述叶片颜色特征通过RGB模型和HSV模型进行提取；所述纹理特征包括纹理惯性、纹理能量、纹理熵和纹理相关性；S4：多分类模型建立：将训练集中的图像均匀且不重叠切成图像块并进行视觉标记，再进行随机掩码得到可见块和掩码块并进行视觉标记；再进行非对称解码进行图像重建，最终得到可预测烤坏烟叶分类结果的机器学习-视觉自监督预训练模型；并采用测试集进行测试；S5：分类结果评价：对该模型进行准确性评价： 其中，TP表示正确预测的真实数，Numtotal是使用的图像总数。

全文数据：

权利要求：

百度查询： 云南省烟草农业科学研究院 一种烤坏烟叶的精准识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD