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

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。