申请/专利权人:鼎云(上海)科技有限公司
申请日:2022-04-14
公开(公告)日:2024-06-18
公开(公告)号:CN115049853B
主分类号:G06V10/44
分类号:G06V10/44;G06V10/46;G06V10/82;G06N3/0464;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2024.06.18#授权;2022.09.30#实质审查的生效;2022.09.13#公开
摘要:本发明公开了一种烟叶卷曲不变特性特征提取方法,采集一批烘烤后烟叶自然状态下叶片图像,依据卷曲的程度将其划分为多个档次;采集所述烟叶展平后叶片图像,并与烘烤后自然状态下的烟叶一一对照应,并按照烟叶级别国家标准将其分级;以烟叶展平后叶片图像作为输入,以其国标等级作为输出建立卷积神经网络;以卷积神经网络的第一个全连接层输出结果作为烟叶特征;求得第一个全连接层所有神经元与其下一层连接处的权重之和;以一片烘烤后烟叶自然状态下的叶片图像作为输入,该片烟叶展平状态下的特征为输出,对所有形态的烟叶建立机器学习模型;机器学习模型样本权重为卷曲程度的档次,各个特征的权重为,该机器学习模型输出为具有烟叶卷曲不变特性的特征。
主权项:1.一种烟叶卷曲不变特性特征提取方法,其特征在于,包括以下步骤:S1,采集一批烘烤后烟叶自然状态下的叶片图像D1,并依据卷曲的程度将其划分为多个档次{Crimp1,Crimp2……Crimpi};S2,采集所述烟叶展平后叶片图像D2,并与烘烤后自然状态下的烟叶一一对照应,并按照国家标准将其分级;S3,以烟叶展平后叶片图像作为输入,以其国标等级作为输出建立卷积神经网络;S4,以卷积神经网络的第一个全连接层输出结果作为烟叶特征Li;S5,求得第一个全连接层所有神经元与其下一层连接处的权重αi之和为S6,以一片烘烤后烟叶自然状态下的叶片图像作为输入,该片烟叶展平状态下的特征Li为输出,对所有形态的烟叶建立机器学习模型C2;S7,机器学习模型C2样本权重为卷曲程度的档次Crimpi,各个特征的权重为该机器学习模型输出为具有烟叶卷曲不变特性的特征。
全文数据:
权利要求:
百度查询: 鼎云(上海)科技有限公司 烟叶卷曲不变特性特征提取方法及存储介质
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。