一种烟叶成熟度的智能判别方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115494009A(43)申请公布日2022.12.20(21)申请号202211251182.0G06V10/764(2022.01)(22)申请日2022.10.13G06V10/77(2022.01)G06V10/774(2022.01)(71)申请人湖北省烟草公司恩施州公司地址445000湖北省恩施土家族苗族自治州恩施市施州大道119号(72)发明人王瑞王大彬任晓红邓建强孟贵星王雪松陈红华彭五星霍光向必坤黄勇乾艳尹忠春(74)专利代理机构北京睿智保诚专利代理事务所(普通合伙)11732专利代理师杜娟(51)Int.Cl.G01N21/25(2006.01)G06V10/58(2022.01)权利要求书2页说明书8页附图7页(54)发明名称一种烟叶成熟度的智能判别方法及系统(57)摘要本发明公开了一种烟叶成熟度的智能判别方法及系统，涉及烟草智慧农业技术领域，采集不同成熟度的烟叶样品并获取高光谱图像；数据划分，得到训练集和测试集；提取训练集和测试集高光谱图像中的光谱数据，利用主成分分析对光谱数据进行降维；利用降维后的训练集对构建的烟叶成熟度判别模型进行训练，得到训练好的烟叶成熟度判别模型；利用降维后的测试集对训练好的烟叶成熟度判别模型进行性能评价，验证模型的泛化能力。本发明通过高光谱成像技术提取得到不同成熟度烟叶的光谱信息，然后将以上光谱信息进行降维处理后输入到不同的算法模型中进行训练，从而构建分类模型实现烟叶成熟度智能判别。CN115494009ACN115494009A权利要求书1/2页1.一种烟叶成熟度的智能判别方法，其特征在于，包括以下步骤：S1：采集不同成熟度的烟叶样品；S2：获取烟叶样品的高光谱图像；S3：按照一定的比例将样品的高光谱图像进行划分，得到训练集和测试集；S4：提取训练集和测试集高光谱图像中的光谱数据，利用主成分分析对光谱数据进行降维，提取光谱数据的主成分并计算得到每个主成分的得分，将各个烟叶样品的主成分得分进行整理归纳作为构建烟叶成熟度判别模型的数据；S5：利用降维处理后的训练集对构建的烟叶成熟度判别模型进行训练，得到训练好的烟叶成熟度判别模型；S6：利用降维处理后的测试集对训练好的烟叶成熟度判别模型进行性能评价，验证模型的泛化能力。2.根据权利要求1所述的一种烟叶成熟度的智能判别方法，其特征在于，S1中的不同成熟度的烟叶样品包括：尚熟烟叶样品、成熟烟叶样品、完熟烟叶样品。3.根据权利要求1所述的一种烟叶成熟度的智能判别方法，其特征在于，S2的具体内容为：利用便携式高光谱相机扫描不同成熟度的烟叶样品得到烟叶样品的高光谱图像。4.根据权利要求1所述的一种烟叶成熟度的智能判别方法，其特征在于，S3中的划分比例为：将样品高光谱图像的前75％划为训练集，样品高光谱图像的后25％划为测试集。5.根据权利要求1所述的一种烟叶成熟度的智能判别方法，其特征在于，S4中利用ENVI软件提取烟叶样品的高光谱图像中的光谱数据，利用主成分分析对光谱数据进行降维提取主成分，并计算每个主成分的得分。6.根据权利要求1所述的一种烟叶成熟度的智能判别方法，其特征在于，S5中在模型训练过程中对训练集采用了5折交叉验证的方法。7.根据权利要求6所述的一种烟叶成熟度的智能判别方法，其特征在于，对训练集采用了5折交叉验证的方法包括如下步骤：A将训练集数据随机分为5份；B其中4份数据用于模型训练，剩下的1份数据用于模型测试；C重复步骤B共5次，得到模型的5次评估结果；D计算5折交叉验证结果的平均值作为模型的性能评估。8.一种烟叶成熟度的智能判别系统，其特征在于，应用权利要求1‑7任一项所述的一种烟叶成熟度的智能判别方法，包括依次连接的样品采集模块、图像获取模块、图像划分模块、数据提取及预处理模块、模型训练模块和模型验证模块；样品采集模块，用于采集不同成熟度的烟叶样品；图像获取模块，用于获取烟叶样品的高光谱图像；图像划分模块，用于按照一定的比例将样品的高光谱图像进行划分，得到训练集和测试集；数据提取及预处理模块，用于提取训练集和测试集高光谱图像中的光谱数据，利用主成分分析对光谱数据进行降维，提取光谱数据的主成分并计算得到每个主成分的得分，将2CN115494009A权利要求书2/2页各个烟叶样品的主成分得分进行整理归纳作为构建烟叶成熟度判别模型的数据；模型训练模块，用于利用降维处理后的训练集对构建的烟叶成熟度判别模型进行训练，得到训练好的烟叶成熟度判别模型；模型验证模块，用于利用降维处理后的测试集对训练好的烟叶成熟度判别模型进行性能评价，验证模型的泛化能力。3CN115494009A说明书1/8页一种烟叶成熟度的智能判别方法及系统技术领域[0001]本发明涉及烟草智慧农业技术