申请/专利权人：安徽中烟工业有限责任公司;中国科学院合肥物质科学研究院

申请日：2023-12-25

公开（公告）日：2024-03-26

公开（公告）号：CN117766051A

主分类号：G16C20/20

分类号：G16C20/20;G01N21/25;G01J3/28;G01N5/04;G16C20/30;G16C20/70;G16C20/80;G06V10/82;G06N3/0442;G06N3/045

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.12#实质审查的生效;2024.03.26#公开

摘要：本发明公开了一种基于AE‑BiRNN网络的高光谱片烟沁润度检测及评价方法，包括：1，使用烘箱法计算片烟的不同含水率，获取不同含水率下的片烟高光谱图像集合；2，使用OTSU分割片烟高光谱图像背景，构建高光谱片烟含水率数据集；3，建立AE‑BiRNN片烟含水率预测模型；4，实现片烟水分分布可视化，并提出“沁润度”概念对片烟水分均匀性进行评价。本发明能减少高光谱分析中对预处理的依赖性，从而实现片烟含水率预测、水分分布可视化及沁润度评价。

主权项：1.一种基于AE-BiRNN网络的高光谱片烟沁润度检测及评价方法，其特征在于，是按如下步骤进行：步骤1、使用烘箱法计算片烟的不同含水率，利用高光谱成像系统采集C种含水率下的片烟高光谱图像集合[P1，P2，...，Pc，...，PC}；其中，Pc表示第c种含水率下的片烟高光谱图像集合，且Pc＝[Pc，1，Pc，2，...，Pc，j，...，Pc，J}；其中，Pc，j表示第c种含水率下的第j张片烟高光谱图像，J表示片烟高光谱图像的总数；使用大津法提取第j张片烟高光谱图像Pc，j中片烟区域每个高光谱波段的平均光谱数据，并进行平滑处理，得到Pc，j中I个平滑后的平均光谱数据Sc，j＝[Sc，j，1，Scj，2，...，Sc，j，i，...，Sc，j，j}；其中，Sc，j，i表示Pc，j中第i个平滑后的平均光谱数据；步骤2、建立AE-BiRNN网络，包括：双向循环神经网络BiRNN、隐藏层、点积注意力模块AE和全连接层；其中，所述双向循环神经网络BiRNN为GRU循环单元；步骤2.1、权值初始化：使用均匀分布对所述GRU循环单元的权重和参数进行初始化；使用标准正态分布对所述全连层的权重和参数进行初始化；步骤2.2、将Sc，j输入BiRNN网络中，并经过所述双向循环神经网络中的GRU循环单元和隐藏层进行时间建模，输出K个时间步的隐藏状态Hc，j＝{hc，j，1，hc，j，2，...，hc，j，k，...，hc，j，K}；其中，hc，j，k表示Sc，j的第k个隐藏状态；步骤2.3、将所述隐藏状态Hc，j输入点积注意力模块AE中进行处理，并输出K个加权后隐藏状态Ac，j＝{ac，j，1，ac，j，2，...，ac，j，k，...，ac，j，K}；其中，ac，j，k表示Hc，j的第k个加权隐藏状态；步骤2.4、将Ac，j输入全连接层中进行映射，得到Pc，j的含水率预测值；步骤3、离线训练：采用均方误差作为AE-BiRNN网络的损失函数，并使用ADAM优化器对所述AE-BiRNN网络进行训练，并计算损失函数以优化AE-BiRNN网络的所有参数，直到损失函数收敛为止，从而得到最优片烟含水率预测模型；步骤4、片烟水分分布可视化：使用最优片烟含水率预测模型对片烟高光谱图像Pc，j进行片烟含水率预测，得到基于像素预测的二维片烟含水率灰度图P′c，j；使用均值滤波对二维片烟含水率灰度图P′c，j中片烟区域进行处理后，得到处理后的二维片烟含水率灰度图P″c，j，使用Matplotlib绘图库对P″c，j进行伪彩色映射，得到片烟水分分布的可视化图；步骤5、片烟“沁润度”的评价：步骤5.1、利用式1计算第j张片烟高光谱图像Pc，j的沁润度MUc，j： 式1中，nc，j为P″c，j中片烟区域的所有灰度值在含水率标准区间内的像素个数，Nc，j为P″c，j中片烟区域的所有像素的个数，为P″c，j中片烟区域的所有灰度值的方差；步骤5.2、MUc，jδ，则表示Pc，j的沁润度高，片烟水分分布均匀；否则，表示Pc，j的沁润度低，水分分布不均匀；其中，6为判断片烟沁润度的标准值。

全文数据：

权利要求：

百度查询： 安徽中烟工业有限责任公司;中国科学院合肥物质科学研究院 基于AE-BiRNN网络的高光谱片烟沁润度检测及评价方法

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