本發(fā)明涉及一種煙葉烘烤階段識別的融合方法，屬于煙葉調(diào)制。

背景技術(shù)：

1、在煙葉智能烘烤中，通過傳感器每5分鐘采集一次烤房的數(shù)據(jù)，采集后的數(shù)據(jù)經(jīng)過處理，輸入到預(yù)測模型中得出此時(shí)的煙葉烘烤所處的階段。在實(shí)時(shí)運(yùn)行時(shí)，通常把服務(wù)器部署在云端；如果規(guī)模較大時(shí)，云服務(wù)器有可能得在五分鐘之內(nèi)接收幾十炕的數(shù)據(jù)，并且得在五分鐘之內(nèi)計(jì)算完所有數(shù)據(jù)，才不會影響下一次數(shù)據(jù)的采集。此外，云服務(wù)器不能太貴，租用cpu的云服務(wù)器是適宜的選擇。

2、然而，現(xiàn)階段的煙葉烘烤階段識別技術(shù)，要么針對實(shí)驗(yàn)室情況，并沒有對實(shí)際情況進(jìn)行分析；要么針對于煙葉識別的準(zhǔn)確率，沒有針對布置在云服務(wù)器上的特點(diǎn)來簡化模型；要么沒有綜合考慮對圖像數(shù)據(jù)處理的時(shí)間，以及模型運(yùn)行的時(shí)間。這導(dǎo)致煙葉烘烤階段識別技術(shù)難以布置在云服務(wù)器上進(jìn)行快速準(zhǔn)確的計(jì)算。

技術(shù)實(shí)現(xiàn)思路

1、基于上述，本發(fā)明提供一種適宜在云服務(wù)器上布置的煙葉烘烤階段識別的融合方法，以克服現(xiàn)有技術(shù)的不足。

2、本發(fā)明的技術(shù)方案是：一種煙葉烘烤階段識別的融合方法，包括：

3、s1，獲取烘烤煙葉的第一信息，所述第一信息包括煙葉重量變化數(shù)據(jù)和烤房環(huán)境信息；

4、s2，將所述第一信息輸入到烘烤階段識別模型中，初步判斷煙葉當(dāng)前所處的烘烤階段，所述烘烤階段識別模型由煙葉重量特征子模型與煙葉環(huán)境特征子模型融合得到；

5、s3，根據(jù)烘烤階段選定煙葉階段狀態(tài)識別模型，所述煙葉階段狀態(tài)識別模型由烘烤階段變化特征子模型與煙葉重量特征子模型、煙葉環(huán)境特征子模型融合得到，所述烘烤階段變化特征子模型由在當(dāng)前烘烤階段內(nèi)變化明顯的特征數(shù)據(jù)訓(xùn)練得到；

6、s4，獲取烘烤煙葉的第二信息，所述第二信息為烘烤階段變化特征子模型中的變化特征數(shù)據(jù)；

7、s5，將所述第二信息與所述第一信息輸入到所述煙葉階段狀態(tài)識別模型中，即得煙葉烘烤階段。

8、優(yōu)選的，所述烘烤階段識別模型的構(gòu)建方法為：

9、獲取與烘烤階段對應(yīng)的煙葉重量變化數(shù)據(jù)和烤房環(huán)境信息，所述烤房環(huán)境信息包括烤房內(nèi)部溫濕度信息和當(dāng)前時(shí)間信息；

10、用煙葉重量變化數(shù)據(jù)和烤房環(huán)境信息分別訓(xùn)練兩個(gè)初始化的lightgbm模型，得到煙葉重量特征子模型和煙葉環(huán)境特征子模型；

11、將煙葉重量特征子模型和煙葉環(huán)境特征子模型融合得到烘烤階段識別模型。

12、優(yōu)選的，所述烘烤階段變化特征子模型包括顏色特征子模型、紋理特征子模型和長度特征子模型；在煙葉烘烤的1、2、3、4階段，選用顏色特征子模型作為烘烤階段變化特征子模型；在煙葉烘烤的5、6、7階段，選用紋理特征子模型作為烘烤階段變化特征子模型；在煙葉烘烤的8、9階段，選用長度特征子模型作為烘烤階段變化特征子模型；在煙葉烘烤的10階段，選用顏色特征子模型、紋理特征子模型和長度特征子模型作為烘烤階段變化特征子模型。

13、優(yōu)選的，所述顏色特征子模型的構(gòu)建方法為：

14、獲取煙葉烘烤階段對應(yīng)的煙葉圖像；

15、對所述煙葉圖像進(jìn)行預(yù)處理；

16、對所述煙葉圖像進(jìn)行煙葉與背景的分離處理；

17、提取所述煙葉圖像中的顏色特征，所述顏色特征包括rgb，hsv，his，lab，ycbcr，以及三階顏色矩，共21維特征；

18、采用上述煙葉烘烤階段及顏色特征數(shù)據(jù)訓(xùn)練初始化的lightgbm模型，從而得到顏色特征子模型。

19、優(yōu)選的，所述紋理特征子模型的構(gòu)建方法為：

20、獲取煙葉烘烤階段對應(yīng)的煙葉圖像；

21、對所述煙葉圖像進(jìn)行預(yù)處理；

22、對所述煙葉圖像進(jìn)行煙葉與背景的分離處理；

23、提取所述煙葉圖像中的紋理特征，提取出像素距離分別為3、6、計(jì)算角度分?別為0°、45°、90°、135°的能量（ene）特征、對比度（con）特征、相關(guān)性（corr）?特征和逆差矩（hom）特征?，共計(jì)48維特征；

24、采用上述煙葉烘烤階段及紋理特征數(shù)據(jù)訓(xùn)練初始化的lightgbm模型，從而得到紋理特征子模型。

25、優(yōu)選的，所述長度特征子模型的構(gòu)建方法為：

26、獲取煙葉烘烤階段對應(yīng)的煙葉圖像；

27、對所述煙葉圖像進(jìn)行預(yù)處理；

28、對所述煙葉圖像進(jìn)行煙葉與背景的分離處理；

29、提取所述煙葉圖像中的長度信息，提取出一夾煙葉的平均長度；

30、采用上述煙葉烘烤階段及長度信息數(shù)據(jù)訓(xùn)練初始化的lightgbm模型，從而得到長度特征子模型。

31、本發(fā)明的有益效果：本發(fā)明首先通過實(shí)時(shí)采集和分析煙葉的重量變化數(shù)據(jù)和烤房環(huán)境信息來初步判斷煙葉的烘烤階段，再選擇與烘烤階段對應(yīng)的特征子模型與烘烤階段識別模型融合，并獲取相應(yīng)階段對應(yīng)的特征信息與初始的重量變化數(shù)據(jù)和烤房環(huán)境信息共同作為輸入，從而得到準(zhǔn)確的煙葉烘烤階段判斷結(jié)果。本發(fā)明在保證識別準(zhǔn)確率的前提上，通過減少對階段特征變化不明顯的特征的提取，減少模型的輸入，減少模型的參與，從而加快對于當(dāng)前煙葉所處的階段的識別，特別適應(yīng)云服務(wù)器的特性，能夠在有限的計(jì)算資源下進(jìn)行高效的數(shù)據(jù)處理與分析。

技術(shù)特征：

1.一種煙葉烘烤階段識別的融合方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的煙葉烘烤階段識別的融合方法，其特征在于，所述烘烤階段識別模型的構(gòu)建方法為：

3.根據(jù)權(quán)利要求1所述的煙葉烘烤階段識別的融合方法，其特征在于，所述烘烤階段變化特征子模型包括顏色特征子模型、紋理特征子模型和長度特征子模型；在煙葉烘烤的1、2、3、4階段，選用顏色特征子模型作為烘烤階段變化特征子模型；在煙葉烘烤的5、6、7階段，選用紋理特征子模型作為烘烤階段變化特征子模型；在煙葉烘烤的8、9階段，選用長度特征子模型作為烘烤階段變化特征子模型；在煙葉烘烤的10階段，選用顏色特征子模型、紋理特征子模型和長度特征子模型作為烘烤階段變化特征子模型。

4.根據(jù)權(quán)利要求1所述的煙葉烘烤階段識別的融合方法，其特征在于，所述顏色特征子模型的構(gòu)建方法為：

5.根據(jù)權(quán)利要求1所述的煙葉烘烤階段識別的融合方法，其特征在于，所述紋理特征子模型的構(gòu)建方法為：

6.根據(jù)權(quán)利要求1所述的煙葉烘烤階段識別的融合方法，其特征在于，所述長度特征子模型的構(gòu)建方法為：

技術(shù)總結(jié)
本發(fā)明公開了一種煙葉烘烤階段識別的融合方法，包括：S1獲取烘烤煙葉的第一信息，第一信息包括煙葉重量變化數(shù)據(jù)和烤房環(huán)境信息；S2將第一信息輸入到烘烤階段識別模型中，判斷煙葉當(dāng)前所處的烘烤階段；S3根據(jù)烘烤階段選定煙葉階段狀態(tài)識別模型，煙葉階段狀態(tài)識別模型由烘烤階段變化特征子模型與煙葉重量特征子模型、煙葉環(huán)境特征子模型融合得到；S4獲取烘烤煙葉的第二信息，第二信息為烘烤階段變化特征子模型中的變化特征數(shù)據(jù)；S5將第二信息與第一信息輸入到煙葉階段狀態(tài)識別模型中得煙葉烘烤階段。在保證識別準(zhǔn)確率的前提上，通過減少對階段特征變化不明顯的特征的提取，減少模型的輸入，減少模型的參與，從而加快對于當(dāng)前煙葉所處的階段的識別。

技術(shù)研發(fā)人員：張紀(jì)利,曹陽,韋建玉,黃聰光,張大斌,楊啟港,饒承麟,金亞波,吳邦鴻,何明雄,黃正賓,韋杰譯,農(nóng)世英
受保護(hù)的技術(shù)使用者：廣西中煙工業(yè)有限責(zé)任公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/10