[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

说明书

本发明公开了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，所述方法包括：获取多个单片烟叶图像作为训练集；对各单片烟叶图像进行局部细节增强处理，得到细节增强图像；根据细节增强图像进行质量分级，以得到烟叶质量等级；基于动态选择卷积核网络搭建烟叶分级模型；根据训练集中的各单片烟叶图像所对应的烟叶质量等级，对烟叶分级模型进行训练；根据训练好的烟叶分级模型和待测试烟叶样本图像，得到烟叶分级结果。本发明的基于动态选择卷积核网络的单片烟叶分级方法及系统，基于动态选择核网络烟叶分级模型自动进行烟叶分级，不依赖于烟叶分级人员的经验，防止由于分级人员经验不足导致烟叶分级准确率低的问题，其更具科学性和准确性。

技术领域

本发明涉及烟叶分级技术领域，尤其涉及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。

背景技术

烟叶评级是判定烟叶价值的重要依据，在烟叶的采烤、烟叶加工醇化以及烟制品的发展方向等方面具有重大意义。不同等级的烟叶，其商业价值差异明显。

然而，目前主要使用人工分级的方式，依据分级工人的视觉、嗅觉、触觉等感官反馈以及自身经验对烟叶等级判定，烟叶分级容易受到分级工生理和心理的主观因素影响，这使得分选出来的烟叶等级极不稳定，优质烟叶和差等烟叶容易混淆，不利于烟叶资源合理利用，无法最大地发挥烟叶价值。

因此，亟需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。

发明内容

本发明的目的是提供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，以解决上述现有技术中的问题，能够基于动态选择核网络的烟叶分级模型自动进行烟叶分级，不依赖于烟叶分级人员的经验，防止由于分级人员经验不足导致烟叶分级准确率低的问题，其更具科学性和准确性。

本发明提供了一种基于动态选择卷积核网络的单片烟叶分级方法，其中，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。

如上所述的基于动态选择卷积核网络的单片烟叶分级方法，其中，优选的是，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。

如上所述的基于动态选择卷积核网络的单片烟叶分级方法，其中，优选的是，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。

如上所述的基于动态选择卷积核网络的单片烟叶分级方法，其中，优选的是，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：