申请/专利权人：临沂大学;北京青苔数据科技有限公司

申请日：2021-06-23

公开（公告）日：2024-05-07

公开（公告）号：CN113469233B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.05.07#授权;2021.10.26#实质审查的生效;2021.10.01#公开

摘要：本公开提供了一种基于深度学习的烟叶自动定级方法及系统，包括以下步骤：获取烟叶图像，对获取的图像进行数据清洗，构建图像数据集；进行图像数据集的预处理，所述预处理包括图像增强、数据去模糊和数据增强；在卷积神经网络的下采样提取特征过程中引入卷积残差块，构建深度学习神经网络模型，训练预处理后的图像数据集，得到不同组的权重；将测试图像数据输入到所述深度学习神经网络模型中，加载所述不同组的权重，得到基于不同权重的测试数据，分析比较不同权重的测试数据，得到测试数据最优时所对应的最优权重；将待分级的烟叶图像输入到所述深度学习神经网络模型中，直接加载所得到的最优权重，得到烟叶的检测定级结果。

主权项：1.基于深度学习的烟叶自动定级方法，其特征在于，包括以下步骤：获取烟叶图像，对获取的图像进行数据清洗，构建图像数据集；进行图像数据集的预处理，所述预处理包括图像增强、数据去模糊和数据增强；在卷积神经网络的下采样提取特征过程中引入卷积残差块，构建深度学习神经网络模型，训练预处理后的图像数据集，得到不同组的权重；将测试图像数据输入到所述深度学习神经网络模型中，加载所述不同组的权重，得到基于不同权重的测试数据，分析比较不同权重的测试数据，得到测试数据最优时所对应的最优权重；将待分级的烟叶图像输入到所述深度学习神经网络模型中，直接加载所得到的最优权重，得到烟叶的检测定级结果；所述图像增强具体为：对获取的原始图像进行数据清洗，采用直方图筛选法，确保所用图像数据具有足够的高频信息，即保留图像中能被利用的价值、删掉图像中没有使用价值的图像数据，将数据清洗之后的图像据按一定的比例分配并进行相应的人工标注，以构建图像数据集；所述数据去模糊采用一种端到端的性能好的生成对抗网络的DeblurGAN-v2模块；所述数据增强为对烟叶图像进行旋转、翻转及裁剪，在不增加人工标注图像的数量的前提下，使得总的训练数据、验证数据，测试数据以及训练数据标签，验证数据标签和测试数据标签能满足深度学习要求。

全文数据：

权利要求：

百度查询： 临沂大学;北京青苔数据科技有限公司 基于深度学习的烟叶自动定级方法及系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD