买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华中科技大学

摘要：本发明属于烟叶晾制技术领域，公开了一种基于增量学习的雪茄烟烟叶晾制工艺阶段识别方法，提出了基于SGD逻辑分类算法，采用增量学习的模式对烟叶晾制工艺阶段进行识别的融合模型，该模型可结合晾制房采集的晾制数据特点对数据进行预处理和特征选择，通过增量训练的学习模式，逐步提高判断晾制工艺阶段的准确度，优化烟叶晾制的流程，缓解烟农的工作压力，提高烟叶的经济效益。本发明为烟叶数据特征填补大量有效信息，提高了后续模型预测准确度，解决晾制数据中大量噪声的问题，提升了模型训练效率；实现实时、快速判断晾制工艺阶段，同时模型利用后续数据增量再次学习，以此改进烟叶晾制工艺，实现远程、智能、精准晾制。

主权项：1.一种基于增量学习的雪茄烟烟叶晾制工艺阶段识别方法，其特征在于，所述基于增量学习的雪茄烟烟叶晾制工艺阶段识别方法包括：步骤一，按照固定的时间周期，每隔60分钟从晾制房中采集雪茄烟叶中茄衣部分的晾制图像，同时采集晾制房中干湿球温度数据、失水量传感器数据，利用传输设备上传至云平台数据库，得到模型训练的原始数据集；对采集到的图像进行预处理，提高图像质量；步骤二，对步骤一处理后的图像进行RGB、HSV和纹理特征值提取操作，将烟叶图像转化为结构化数据，再与干湿球温度数据、失水量传感器数据构成特征集合；步骤三，对步骤二处理后中的特征集合利用随机森林算法进行缺失值、异常值的预处理后，对图像中烟叶所处工艺阶段进行数字编码，将数字编码存入数据库中；步骤四，利用Embedded嵌入算法对步骤三处理后的数据集进行特征选择，得到特征集合，并对所有数据进行标准化操作，将数据无量纲化，形成初始数据集；步骤五，将初始数据集中单个晾制批次的数据集合划分为多个流式数据集，并将其对应的晾制工艺阶段编码作为训练标签，按照增量训练的模式，使用SGD逻辑分类算法，对单个晾制批次特征数据进行建模，训练后得到第一层基分类器；步骤六，以晾制批次为单位，继续使用SGD逻辑分类模型作为第二层的元分类器，构建循环依次向模型输入初始数据集中整个晾制批次的特征数据，经过增量训练后，得到训练好的SGD逻辑分类模型；步骤七，将晾制房中实时采集到结构数据和非结构化数据，经过步骤一至步骤四处理后，输入到训练好的SGD逻辑分类模型，得到识别结果，同时模型利用数据增量再次学习，不断提高识别准确率。

全文数据：

权利要求：

百度查询： 华中科技大学 一种基于增量学习的雪茄烟烟叶晾制工艺阶段识别方法