[发明专利]一种基于动态选择卷积核网络的单片烟叶分级方法及系统

权利要求书

1.一种基于动态选择卷积核网络的单片烟叶分级方法，其特征在于，包括：

获取多个单片烟叶图像作为训练集；

对所述训练集中的各所述单片烟叶图像进行局部细节增强处理，得到细节增强图像；

根据所述细节增强图像进行质量分级，以得到所述训练集中的各所述单片烟叶图像所对应的烟叶质量等级；

基于动态选择卷积核网络搭建烟叶分级模型，所述动态选择卷积核网络能够自适应动态选择卷积核；

根据所述训练集中的各所述单片烟叶图像所对应的所述烟叶质量等级，对所述烟叶分级模型进行训练；

根据训练好的所述烟叶分级模型和待测试烟叶样本图像，得到烟叶分级结果。

2.根据权利要求1所述的基于动态选择卷积核网络的单片烟叶分级方法，其特征在于，所述获取多个单片烟叶图像作为训练集，具体包括：

依次将多个单片烟叶平铺在拍照平台上；

将叶尖朝固定方向摆放后进行拍照；

将拍摄好的图像按照烟叶等级进行分类存储。

3.根据权利要求1所述的基于动态选择卷积核网络的单片烟叶分级方法，其特征在于，所述对所述训练集中的各所述单片烟叶图像进行局部细节增强处理，得到细节增强图像，具体包括：

使用高斯平滑滤波器对所述单片烟叶图像进行卷积降噪处理；

使用Canny算子提取所述烟叶图像中的烟叶边缘，以获取去除背景后的烟叶图像；

使用Laplace算子提取烟叶纹理特征，将所述烟叶纹理特征与原烟叶图像叠加，以加强烟叶局部细节特征，得到细节增强图像。

4.根据权利要求3所述的基于动态选择卷积核网络的单片烟叶分级方法，其特征在于，所述使用Canny算子提取所述烟叶图像中的烟叶边缘，以获取去除背景后的烟叶图像，具体包括：

对所述单片烟叶图像，通过以下公式使用Canny算子计算图像梯度：

其中，S_x表示水平方向的掩码模板，S_y表示垂直方向的掩码模板，G_x表示图像在水平方向的像素梯度矩阵，G_y表示图像在垂直方向的像素梯度矩阵，I表示图像矩阵，G表示图像像素梯度强度矩阵，

所述使用Laplace算子提取烟叶纹理特征，将所述烟叶纹理特征与原烟叶图像叠加，以加强烟叶局部细节特征，得到细节增强图像，具体包括：

对去除背景后的所述烟叶图像，通过以下公式使用Laplace算子对图像进行锐化：

其中，f(x,y)表示图像函数，表示Laplace运算二阶导数，g(x,y)表示锐化后的图像函数，t表示邻域中心的比较系数。

5.根据权利要求1所述的基于动态选择卷积核网络的单片烟叶分级方法，其特征在于，所述根据所述细节增强图像进行质量分级，以得到所述训练集中的各所述单片烟叶图像所对应的烟叶质量等级，具体包括：

对所述细节增强图像进行随机旋转操作、翻转操作和平移操作中的至少一个操作，以得到数据增强图像；

对所述数据增强图像进行归一化处理；

对归一化处理后的所述数据增强图像进行标准化处理；

根据标准化处理结果，对所述数据增强图像赋予等级标签，所述等级标签用于对烟叶样本图像进行质量分级，得到烟叶质量等级。

6.根据权利要求5所述的基于动态选择卷积核网络的单片烟叶分级方法，其特征在于，所述对所述数据增强图像进行归一化处理，具体包括：

通过以下公式对所述增强图像进行归一化处理：

其中，x表示图像像素点的数值，x_max表示同一个图像中像素点的像素最大值，x_min表示同一个图像中像素点的像素最小值，

所述对归一化处理后的所述数据增强图像进行标准化处理，具体包括：

通过以下公式对所述归一化处理后的图像进行标准化处理：

其中，x表示图像像素点的数值，μ表示均值，σ表示标准差。