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:本发明属于雪茄烟晾制技术领域,公开了一种基于数据融合的雪茄烟烟叶工艺阶段预测方法、系统及介质,预测方法包括:以预设采集周期采集雪茄烟烟叶晾制过程中的原始数据和原始图像;分别对原始数据与原始图像进行处理,并基于处理的图像与数据训练决策树模型和支持向量机模型,同时使用带权重投票法融合预测结果;实时采集原始数据和晾制过程雪茄烟烟叶原始图像,处理后作为模型输入项,对雪茄烟烟叶进行晾制阶段的判别。本发明提供了一种基于数据融合的雪茄烟烟叶工艺阶段预测方法,能够准确判别雪茄烟烟叶晾制状态,方便晾房湿度管理,提升晾制工艺,同时节约了人力成本。
主权项:1.一种基于数据融合的雪茄烟烟叶工艺阶段预测方法,其特征在于,所述基于数据融合的雪茄烟烟叶工艺阶段预测方法包括:以预设采集周期采集雪茄烟烟叶晾制过程中的原始数据和原始图像;分别对原始数据与原始图像进行处理,并基于处理的图像与数据训练决策树模型和支持向量机模型,同时使用带权重投票法融合预测结果;实时采集原始数据和晾制过程雪茄烟烟叶原始图像,处理后作为模型输入项,对雪茄烟烟叶进行晾制阶段的判别;所述基于数据融合的雪茄烟烟叶工艺阶段预测方法包括以下步骤:步骤一,根据属性、品种将待晾制的雪茄烟划分为不同类型;于雪茄烟晾制时,以一定的采集周期采集晾房环境数据和晾制过程雪茄烟烟叶数据得到原始数据和原始图像;步骤二,对采集的雪茄烟烟叶原始图像,进行非结构化数据预处理,得到一次处理图像与二次处理图像;步骤三,对得到的二次处理图像进行裁剪,得到三次处理图像;将得到的三次处理图像与原始数据进行数据融合,得到一次处理数据;步骤四,对一次处理数据进行处理,依次得到二次处理数据、三次处理数据、四次处理数据、五次处理数据;步骤五,将五次处理数据导入决策树模型和支持向量机模型,并根据模型的性能,利用带权重投票法融合预测结果;步骤六,实时采集原始数据和晾制过程雪茄烟烟叶原始图像,处理后作为决策树模型和支持向量机模型输入项,对雪茄烟烟叶进行晾制阶段的判别;所述对采集的雪茄烟烟叶原始图像,进行非结构化数据预处理,得到一次处理图像与二次处理图像包括:采用非局部均值图像降噪算法,以像素为单位在原始图像中确定具有相似邻域结构的像素;再对确定的区域求加权平均,得到一次处理图像;采用图像色彩校正算法,借助标准颜色校正卡的颜色直方图对一次处理图像进行颜色匹配校正,得到二次处理图像;所述对得到的二次处理图像进行裁剪,得到三次处理图像;将得到的三次处理图像与原始数据进行数据融合,得到一次处理数据包括:裁剪得到的二次处理图像中心的某固定区域,得到三次处理图像;利用OpenCV计算视觉库计算三次处理图像内每个像素的L*、a*、b*颜色值,以均值作为三次处理图像的L*、a*、b*颜色均值;其中L*代表明度,a*代表从绿色到红色的分量,b*代表从蓝色到黄色的分量;将三次处理图像中提取的L*、a*、b*特征与原始数据以时间为对应关系进行融合,获得一次处理数据;所述对一次处理数据进行处理,依次得到二次处理数据、三次处理数据、四次处理数据、五次处理数据包括:根据雪茄烟烟叶晾制过程中晾制时间和晾制阶段的对应关系,为每一条一次处理数据标记对应晾制阶段,分为凋萎期、变黄期、变褐期和干筋期,得到二次处理数据;当二次处理数据中存在少量缺失特征值时,利用少量缺失特征值前后相邻特征值的均值进行插补填充,得到三次处理数据;利用标准差检测法对三次处理数据进行异常值识别,并利用异常值前后数据的函数关系修正异常值,得到四次处理数据;利用Z-Score标准化方法对四次处理数据进行数据标准化处理得到五次处理数据;所述将五次处理数据导入决策树模型和支持向量机模型,并根据模型的性能,利用带权重投票法融合预测结果包括:将五次处理数据导入决策树模型进行训练和预测包括:将烟叶晾制失水量、晾房湿度、L*、a*和b*作为输入特征,晾制阶段作为输入标签;训练过程使用信息增益比来决定输入特征,构建决策树;得到的分类概率及分类结果作为第一结果,记为R1;将五次处理数据导入支持向量机模型进行训练和预测包括:将烟叶晾制失水量、晾房湿度、L*、a*和b*作为输入特征,晾制阶段作为输入标签;训练过程使用网格搜索方法自动调节模型参数;得到的分类概率及分类结果作为第二结果,记为R2;根据准确率排名对模型进行权重划分,测试不同权重下多模型融合后的预测准确率,选取最合适的权重比例。
全文数据:
权利要求:
百度查询: 华中科技大学 基于数据融合的雪茄烟烟叶工艺阶段预测方法、系统及介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。