[发明专利]一种烟叶烘烤的智能决策方法和系统

权利要求书

1.一种烟叶烘烤的智能决策系统，其特征在于：包括烟叶图像采集设备、决策模型及其决策终端、云端服务器；所述烟叶图像采集设备，包括摄像头和全光谱灯，用于获取烘烤过程中的烟叶彩色图像；所述决策终端用于接收烟叶图片和烘烤数据，根据储存的决策模型判断烟叶烘烤状态并返回烘烤策略的调整建议；所述云端服务器用于接收决策终端上传的烟叶图片数据以及烘烤策略，将数据与决策模型内数据进行比较判断和增量式学习，并将新学习的决策模型返回给决策终端进行更新升级。

2.根据权利要求1所述的烟叶烘烤的智能决策系统，其特征在于：所述烟叶图像采集设备内置于隔热箱体中，摄像头安装在隔热箱体的中间，全光谱灯安装于摄像头的两侧，由双层隔热玻璃将摄像头和全光谱灯与烤房高温高湿的环境阻隔开。

3.一种烟叶烘烤的智能决策方法，其特征在于：是采用知识图谱和增量式学习的决策模型，通过烟叶图像采集设备来采集烘烤过程中烟叶图像信息并传输给决策终端设备；决策终端设备将图像信息输入决策模型进行知识推理得出烟叶的烘烤策略；当一批烟叶烘烤结束之后将烘烤数据以及人工评价上传至云端服务器进行模型调整升级，并更新决策终端的决策模型。

4.根据权利要求3所述的烟叶烘烤的智能决策方法，其特征在于包括下述步骤：

(1)基于烟叶烘烤生产的需求，确定需要的数据；

(2)获取所需数据后，确定知识图谱的实体关系实体三元组；

(3)确定好各数据在知识图谱中的所属类别后，将数据存储到Neo4j图数据库中，构建知识图谱；

(4)烟叶烘烤知识图谱循证推理，给出推荐烘烤策略；

(5)烘烤结束后上传当期烟叶数据，包括烟叶图片、烘烤策略、人工评价；并根据人工评价进行增量式学习，将新的烘烤数据添加到知识图谱，不断丰富烟叶烘烤知识图谱，为后续的相似情况提供推理依据。

5.根据权利要求4所述的烟叶烘烤的智能决策方法，其特征在于：步骤(2)中，所述知识图谱的实体关系实体三元组包括：

(2-1)构建实体，包括：烟叶、图像数据、烘烤程度、温度、湿度、时间、烘烤位置、烟叶烘烤评价，将上述字段信息作为关系图中的实体；

(2-2)构建关系：据实体之间的关系构建知识图谱所需要的三元组关系。

6.根据权利要求5所述的烟叶烘烤的智能决策方法，其特征在于：所述三元组关系包括：

实体:烟叶，关系:人工评价，实体:烟叶烘烤评价；

实体:烟叶，关系:烘烤策略，实体:温度；

实体:烟叶，关系:烘烤策略，实体:湿度；

实体:烟叶，关系:烘烤策略，实体:时间；

实体:烟叶，关系:烟叶数据，实体:烘烤位置；

实体:烟叶，关系:烟叶数据，实体:图像数据；

实体:烟叶，关系:烟叶数据，实体:烘烤程度。

7.根据权利要求4所述的烟叶烘烤的智能决策方法，其特征在于：步骤(3)中，图片数据需要经过编码器转换成特征向量Vi，Vi表示第i个图像特征向量；编码器采用ViT模型中图像分块的方式，并进行轻量化调整，将其中的16*16普通卷积替换为深度可分离卷积。

8.根据权利要求4所述的烟叶烘烤的智能决策方法，其特征在于：步骤(4)中，所述烟叶烘烤知识图谱循证推理，包括下述步骤：

(4-1)决策终端将烟叶图像采集设备采集的烟叶图片通过编码器转换成特征向量v；

(4-2)将特征向量v输入烟叶烘烤知识图谱，与知识图谱内现有的图像特征向量Vi进行对比计算余弦相似度；

(4-3)匹配相似度最高的图像特征向量Vi并推荐所对应的烘烤策略。

9.根据权利要求4所述的烟叶烘烤的智能决策方法，其特征在于：步骤(5)中，所述增量式学习是指在训练出原始模型后，不断继续收集实际烟叶烘烤过程中的数据，传输给云端服务器判断是否出现新数据，如果是就在知识图谱中建立新的实体语义关系，调整升级决策模型并更新本地的服务器继续服务实际烟叶烘烤生产。

10.根据权利要求9所述的烟叶烘烤的智能决策方法，其特征在于：当烤烟结束后，工作人员将对烤制好的烟叶进行人工评价，烤制好的烟叶品质符合标准则人工评价为正，若烤制的烟叶有烤糊、烤黑等不符合标准的情况时人工评价为负；(1)当人工评价为正的时候，烟叶烘烤数据将不作改变并添加人工评价上传至云端服务器；云端服务器将接收到的烘烤数据与知识图谱内的数据进行对比；数据对比采用余弦相似度计算，余弦相似度计算的值介于-1和1之间，其中-1完全不同，1完全相似；对输入的向量组以及知识图谱中的向量组中相同位置的行向量进行计算，获得两个向量的余弦相似度，相加并计算出平均值，设置一个人工阈值用以判断新的烘烤数据与知识图谱内的数据的相似程度；当相似度低于人工阈值时，说明该数据在现有知识图谱内并没有相似数据，该烘烤数据将添加进知识图谱内，反之当相似度高于人工阈值时，说明该数据在现有知识图谱内有十分相似的数据，需要被舍弃；(2)当人工评价为负面的时候，需要进行人工添加修改烘烤策略，然后再上传至云端服务器；云端服务器接收到负面的人工评价时，会把该数据添加到知识图谱内，并删除原有对应的烘烤策略；当更新完知识图谱后，服务器会发送升级包返回决策终端，更新升级决策终端的知识图谱决策模型。