一种烟叶成熟度识别方法、装置及电子设备与流程

本发明涉及烟叶分级，尤其涉及一种烟叶成熟度识别方法、装置及电子设备。

背景技术：

1、雪茄烟叶在田间成长的过程中，其物理和生理生化特性都会经历显著的变化。成熟度指的是烟叶发育到适合调制加工的状态。雪茄烟在采收时的成熟状态直接影响了晾制前的品质，与晾制后烟叶的外观、内在品质以及感官特性密切相关。雪茄烟的采收对于最终产品的质量至关重要，因此烟农通常会根据烟叶外观特征将可采收的烟叶分为欠熟、稍欠、适熟、稍过、过熟等5个等级。这种分级有助于在调制加工中实现更好的质量。

2、目前农业领域大多仍采用人工采收、肉眼鉴别成熟度的方法，难以保证准确率与效率。

技术实现思路

1、有鉴于此，有必要提供一种烟叶成熟度识别方法、装置及电子设备，用以解决现有技术中存在的准确率与效率较低的问题。

2、为了解决上述问题，本发明提供了一种烟叶成熟度识别方法，包括：

3、获取由目标烟叶图像组成的目标数据集；

4、构建初始烟叶成熟度识别模型，所述烟叶成熟度识别模型由第一模型和第二模型融合而成，所述第一模型由cnn网络和swin transformer网络组成，所述第二模型由resnet网络组成；

5、基于所述目标数据集对所述初始烟叶成熟度识别模型进行训练，得到训练完备的烟叶成熟度识别模型，基于所述训练完备的烟叶成熟度识别模型对待识别烟叶图像进行成熟度识别。

6、在一些可能的实现方式中，获取由目标烟叶图像组成的目标数据集，包括：

7、获取初始烟叶图像；

8、对所述初始烟叶图像进行预处理，得到目标烟叶图像，并基于所述目标烟叶图像组成目标数据集，所述预处理包括几何变换和图像色彩变换中的至少一种。

9、在一些可能的实现方式中，所述几何变换包括图像尺寸大小变换、裁剪和翻转中的至少一种。

10、在一些可能的实现方式中，所述图像色彩变换包括图像亮度、对比度和饱和度变换中的至少一种。

11、在一些可能的实现方式中，获取由目标烟叶图像组成的目标数据集，包括：

12、获取由目标烟叶图像组成的初始数据集，并将所述初始数据集划分为初始训练集、验证集和测试集；

13、基于随机拼图生成器，对所述初始训练集进行图像重构，得到目标训练集，并基于目标训练集、验证集和测试集组成的目标数据集。

14、在一些可能的实现方式中，所述第一模型由卷积层、池化层、4stage的swintransformer模块和全连接层依次连接组成。

15、在一些可能的实现方式中，所述第一模型和所述第二模型通过xgboost算法融合成所述烟叶成熟度识别模型。

16、在一些可能的实现方式中，所述第一模型和所述第二模型的输出特征通过stacking算法融合。

17、本发明还提供了一种烟叶成熟度识别装置，包括：

18、图像获取单元，用于获取由目标烟叶图像组成的目标数据集；

19、模型确定单元，用于构建初始烟叶成熟度识别模型，所述烟叶成熟度识别模型由第一模型和第二模型融合而成，所述第一模型由cnn网络和swin transformer网络组成，所述第二模型由resnet网络组成，基于所述目标数据集对所述初始烟叶成熟度识别模型进行训练，得到训练完备的烟叶成熟度识别模型；

20、识别预测单元，用于基于所述训练完备的烟叶成熟度识别模型对待识别烟叶图像进行成熟度识别。

21、本发明还提供了一种电子设备，包括存储器和处理器；

22、所述存储器，用于存储程序；

23、所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以实现上述所述的烟叶成熟度识别方法的步骤。

24、本发明还提供了一种计算机可读存储介质，所述可读存储介质上存储有程序或指令，所述程序或指令被处理器执行时实现上述所述的烟叶成熟度识别方法的步骤。

25、本发明的有益效果是：本发明提供的烟叶成熟度识别方法，利用集成学习，结合cnn-swin transformer网络的resnet网络的优点，兼顾图像的局部特征和全局特征对烟叶成熟度进行识别，能够更客观、精准地评估烟叶的成熟度，减少对烟农主观判断的依赖，提高烟叶成熟度识别准确性，同时还能够克服环境条件的影响，从而更有效地指导烟叶的采收过程，提高整体生产效率。

技术特征：

1.一种烟叶成熟度识别方法，其特征在于，包括：

2.根据权利要求1所述的烟叶成熟度识别方法，其特征在于，获取由目标烟叶图像组成的目标数据集，包括：

3.根据权利要求2所述的烟叶成熟度识别方法，其特征在于，所述几何变换包括图像尺寸大小变换、裁剪和翻转中的至少一种。

4.根据权利要求2所述的烟叶成熟度识别方法，其特征在于，所述图像色彩变换包括图像亮度、对比度和饱和度变换中的至少一种。

5.根据权利要求1所述的烟叶成熟度识别方法，其特征在于，获取由目标烟叶图像组成的目标数据集，包括：

6.根据权利要求1所述的烟叶成熟度识别方法，其特征在于，所述第一模型由卷积层、池化层、4stage的swin transformer模块和全连接层依次连接组成。

7.根据权利要求1所述的烟叶成熟度识别方法，其特征在于，所述第一模型和所述第二模型通过xgboost算法融合成所述烟叶成熟度识别模型。

8.根据权利要求1所述的烟叶成熟度识别方法，其特征在于，所述第一模型和所述第二模型的输出特征通过stacking算法融合。

9.一种烟叶成熟度识别装置，其特征在于，包括：

10.一种电子设备，其特征在于，包括存储器和处理器；

技术总结本发明涉及一种烟叶成熟度识别方法、装置及电子设备，属于烟叶分级技术领域，其中，该方法包括：获取由目标烟叶图像组成的目标数据集；构建初始烟叶成熟度识别模型，烟叶成熟度识别模型由第一模型和第二模型融合而成，第一模型由CNN网络和Swin Transformer网络组成，第二模型由ResNet网络组成；基于目标数据集对初始烟叶成熟度识别模型进行训练，得到训练完备的烟叶成熟度识别模型，基于训练完备的烟叶成熟度识别模型对待识别烟叶图像进行成熟度识别。本发明通过结合CNN‑Swin Transformer网络的ResNet网络的优点，兼顾图像的局部特征和全局特征对烟叶成熟度进行识别，有效提高了烟叶成熟度识别精度和效率。技术研发人员：杨锦鹏,杨春雷,孙光伟,黄安宁,刘竞,黄金国,刘小伟,黄文昌,余君,饶雄飞,李传宗,秦文章,樊凯孝,邓灿东,樊友伦,冯吉,李浩,李建平,吕培军,胡锦文,赵喻磊受保护的技术使用者：湖北省烟草科学研究院技术研发日：技术公布日：2024/8/20