一种基于图像推理模型的烟叶初烤烘烤控制方法与流程

阅读：评论：0

1.本发明属于烟叶烘烤技术领域，特别涉及一种基于图像推理模型的烟叶初烤烘烤控制方法。

背景技术：

2.烤烟的特定加工过程称为烤烟烘烤，简称烘烤，又叫炕烟。它并非简单的脱水干制，而是一系列独特和复杂的烟草调制加工。烘烤分为初烤和复烤。在田间采收的烟叶(称为鲜烟)经第一次烘烤称为初烤，通常在烟区分散进行。烤出的烟叶称为初烤烟或原烟(俗称干烟)，是供人们利用的原料。原烟被再次烘烤加工称为复烤，多在复烤厂集中进行，烤后的原烟称为复烤烟。
3.烟叶初烤是把种植的烟叶变成卷烟原料的首要环节，是农民把从田间采收的鲜烟叶放置烤房中烘烤调制，使其成为卷烟原料“原烟”的过程。在鲜烟叶变黄阶段、定阶段、干筋阶段分别设置不同的烘烤温度，使鲜烟叶经过烘烤相继达到一定比例的变黄面积、柔软塌架、主脉变软的烟叶状态，并且形成黄片黄筋勾尖卷边烟叶形态，进而获得最终主脉烤干的原烟。整个过程不仅需要实时观察烟叶本身变化状态灵活把控对烤房的温湿度控制，而且要根据环境或气候的温湿度变化改变对烤房环境的调整。
4.传统技术中多采用人工判断的方式进行烟叶初烤，比较耗费时间和人力，传统的烟叶初烤控制方法是专家通过观察窗来观察烟叶的颜与收缩状态，作为对烤房火候调整的判定依据，这种方法比较依赖人力，耗费时间且眼光尺度较难以把握。当前密集式烤房技术采用的是智能控制器对烤房温湿度进行调节，具体做法是，预先设定烘烤曲线，导入控制系统进行烘烤。然而这种方式并没有考虑到烟叶在烘烤过程中烟叶的实际变化情况，具体而言，烟叶即使达到目标也会按照烘烤曲线来烘烤，会产生过度烘烤的情况，即使没有达到最佳的烘烤状态也会停止烘烤，对于烘烤的阶段没有准确的把握，难以保证烘烤效果。

技术实现要素：

5.本发明是为了解决当前密集烤房智能控制器在烘烤过程中没有考虑烟叶的实际变化情况，烘烤不准确的问题而进行的，目的在于提供一种可以通过智能控制器对烘烤阶段进行精准控制，能获取烟叶实际变化情况、保证烘烤效果的一种基于图像推理模型的烟叶初烤烘烤控制方法。
6.本发明采用如下技术方案：
7.一种基于图像推理模型的烟叶初烤烘烤控制方法，所述方法包括以下步骤：
8.s1，建立烘烤过程中黄比例和干比例预测模型，将预测模型写入软件，安装于密集烤房智能控制系统；
9.s2，通过具有现场图像采集功能的智能控制系统获取当前烘烤过程中实际的黄比例和干比例；
10.s3，随时将烘烤过程中实际的黄比例和干比例与烘烤曲线要求的黄比例和干比例
比较，如果黄比例和干比例相同，提前达到目标，即可进入下一个烘烤阶段，如果达到烘烤曲线要求的时间，黄比例和干比例仍然未达到目标，则根据烟叶的黄烘烤特性和干烘烤特性，估算延火时间，自动延火，调整干球温度和湿球温度，继续进行烘烤，延火时间达到目标，即可进入下一个烘烤阶段，如果延火时间烧完不达标，自动跳转下一个烘烤阶段。
11.所述的一种图像推理模型的烟叶初烤烘烤控制方法，其中，s1中的黄比例和干比例预测模型的建立步骤为：
12.s11，专家对烘烤过程中烟叶的黄比例和干比例进行打分评价；
13.s12，对待测的烤烟样本进行图像采集，读入图像作为样本图像；
14.s13，以专家测评的黄比例和干比例作为因变量，以烤烟样本图像、干球温度、湿球温度、烘烤时间作为自变量，建立多项式回归模型。
15.所述的一种图像推理模型的烟叶初烤烘烤控制方法，其中，s12中待测烤烟样本的图像采集通过烤房内多个摄像机采集。
16.所述的一种图像推理模型的烟叶初烤烘烤控制方法，其中，s12中烤房内的多个摄像机是实时来回移动取像的。
17.所述的一种图像推理模型的烟叶初烤烘烤控制方法，s12中读入样本图像时，将样本图像分别转换到hsv和lab颜空间，获取图像hsv和lab通道像素值。
18.所述的一种图像推理模型的烟叶初烤烘烤控制方法，其中，s13中建立的黄比例和干比例预测多项式回归模型为：
[0019][0020]
式中，x1表示干球温度；x2表示湿球温度；x3表示h通道像素值；x4表示s通道像素值；x5表示v通道像素值；x6表示l通道像素值；x7表示a通道像素值；x8表示b通道像素值；x9表示烘烤时间；w0表示偏置项；w1表示干球温度的回归系数；w2表示湿球温度的回归系数；w3表示干球温度和湿球温度乘积的回归系数；w4表示h通道像素值平方的回归系数；w5表示s通道像素值平方的回归系数；w6表示v通道像素值的回归系数；w7表示l通道像素值的回归系数；w8表示v通道像素值和l通道像素值乘积的回归系数；w9表示a通道像素值平方的回归系数；w
10
表示b通道像素值平方的回归系数；w
11
表示烘烤时间的回归系数；y表示因变量黄比例和干比例预测值。
[0021]
所述的一种图像推理模型的烟叶初烤烘烤控制方法，其中，s3中黄烘烤特性和干烘烤特性的建立步骤为：
[0022]
s31，根据黄比例和干比例预测模型得到当前黄比例和干比例，减去黄比例和干比例测模型得到的初始的黄比例和干比例，得到变化黄和变化干值；
[0023]
s32，将当前烘烤时间与起始烘烤时间相减，得到本烘烤阶段的累计烘烤时间；
[0024]
s33，用变化黄和变化干与累计烘烤时间、干球温度、湿球温度相除，得到烟叶的黄烘烤特性和干烘烤特性。
[0025]
所述的一种图像推理模型的烟叶初烤烘烤控制方法，其中，s33中黄烘烤特性和干烘烤特性的计算公式为：
[0026]
黄烘烤特性＝变化黄/(累计烘烤时间*干球温度*湿球温度)
[0027]
干烘烤特性＝变化干/(累计烘烤时间*干球温度*湿球温度)
[0028]
所述的一种基于图像推理模型的烟叶初烤烘控制方法，所述延火时间为2小时。
[0029]
所述的一种基于图像推理模型的烟叶初烤烘烤控制方法，所述现场图像采集是指烤房内多个摄像机采集，且烤房内的多个摄像机实时来回移动取像。
[0030]
本发明的有益效果为：本发明解决了当前密集烤房智能控制器在烘烤过程中没有考虑烟叶的实际变化情况，烘烤不准确的问题，通过建立黄比例和干比例预测模型，将预测模型写入软件，安装于具有现场图像采集功能的密集烤房智能控制系统，预测烘烤过程中实际的黄比例和干比例，与烘烤曲线要求的黄比例和干比例进行比较，如果黄比例和干比例相同，提前达到目标，如果黄比例和干比例不相同，则根据黄烘烤特性和干烘烤特性估算延火时间，自动延火，调整干球温度和湿球温度，继续进行烘烤，延火时间达到目标，即可进入下一个烘烤阶段，如果延火时间烧完不达标，自动跳转下一个烘烤阶段。可以不依赖专家的人工监测，通过实时图像采集和比较，对烘烤阶段进行精确评价，防止烘烤过度和烘烤不达标的现象发生。
[0031]
通过实时来回移动的多个摄像机进行取像可以随时精确的获取烟叶的图像，实时计算烟叶的黄比例和干比例，和烘烤曲线的黄比例和干比例进行比较，精确把控烘烤的阶段。
[0032]
通过黄烘烤特性和干烘烤特性可以在黄比例和干比例不达标时，根据黄烘烤特性和干烘烤特性来计算达到目标的黄比例和干比例所需的变化黄和变化干，从而在自动延火期间来调整干球温度和湿球温度，使达到目标黄比例和干比例，保证烘烤效果。
附图说明
[0033]
图1为一种基于图像推理模型的烟叶初烤烘烤控制方法的流程图。
具体实施方式
[0034]
下面结合具体实施例和附图对本发明技术内容做进一步的描述，但并不以此限制本发明的保护范围。
[0035]
参见图1，一种基于图像推理模型的烟叶初烤烘烤控制方法，包括以下步骤：
[0036]
s1，建立烘烤过程中黄比例和干比例预测模型，将预测模型写入软件，安装于密集烤房智能控制系统。
[0037]
智能控制系统通过温湿度传感器，烤房内多个来回移动的拍摄角度可变化的摄像机，单片机技术和模糊逻辑软件控制烤房内的工作温湿度和烟叶的烘烤时间，达到对现有烤房的智能化和数字化控制，使整个烤烟过程实现了程序化和数字化，改变了烤烟质量不稳定的现象，提高了烤烟的效率。
[0038]
黄比例和干比例预测模型的建立步骤为：
[0039]
s11，专家对烘烤过程中烟叶的黄比例和干比例进行打分评价；
[0040]
s12，对待测的烤烟样本进行图像采集，读入图像，作为样本图像；
[0041]
s13，以专家测评的黄比例和干比例作为因变量，以烤烟样本图像、干球温度、湿球温度、烘烤时间作为自变量，建立多项式回归模型。
[0042]
其中，s12中待测烤烟样本的图像采集通过烤房内多个摄像机采集，s12中烤房内的多个摄像机是实时来回移动取像的，读入图像时，将图像分别转换到hsv和lab颜空间，
获取图像hsv和lab通道像素值。
[0043]
建立的黄比例和干比例预测多项式回归模型为：
[0044][0045]
式中，x1表示干球温度；x2表示湿球温度；x3表示h通道像素值；x4表示s通道像素值；x5表示v通道像素值；x6表示l通道像素值；x7表示a通道像素值；x8表示b通道像素值；x9表示烘烤时间；w0表示偏置项；w1表示干球温度的回归系数；w2表示湿球温度的回归系数；w3表示干球温度和湿球温度乘积的回归系数；w4表示h通道像素值平方的回归系数；w5表示s通道像素值平方的回归系数；w6表示v通道像素值的回归系数；w7表示l通道像素值的回归系数；w8表示v通道像素值和l通道像素值乘积的回归系数；w9表示a通道像素值平方的回归系数；w
10
表示b通道像素值平方的回归系数；w
11
表示烘烤时间的回归系数；y表示因变量黄比例和干比例预测值。
[0046]
s2，通过具有现场图像采集功能的智能控制系统获取当前烘烤过程中实际的黄比例和干比例。
[0047]
现场图像采集通过烤房内多个摄像机采集，且烤房内的多个摄像机实时来回移动取像。
[0048]
s3，随时将烘烤过程中实际的黄比例和干比例与烘烤曲线要求的黄比例和干比例比较，如果黄比例和干比例相同，提前达到目标，即可进入下一个烘烤阶段，如果达到烘烤曲线要求的时间，黄比例和干比例仍然未达到目标，则根据烟叶的黄烘烤特性和干烘烤特性，估算延火时间，自动延火，调整干球温度和湿球温度，继续进行烘烤，延火时间达到目标，即可进入下一个烘烤阶段，如果延火时间烧完不达标，自动跳转下一个烘烤阶段。
[0049]
根据烟叶的黄烘烤特性和干烘烤特性估算的延火时间可为2小时。
[0050]
黄烘烤特性和干烘烤特性的建立步骤为：
[0051]
s31，根据黄比例和干比例预测模型得到当前黄比例和干比例，减去黄比例和干比例测模型得到的初始的黄比例和干比例，得到变化黄和变化干值；
[0052]
s32，将当前烘烤时间与起始烘烤时间相减，得到本烘烤阶段的累计烘烤时间；
[0053]
s33，用变化黄和变化干与累计烘烤时间、干球温度、湿球温度相除，得到烟叶的黄烘烤特性和干烘烤特性。
[0054]
黄烘烤特性和干烘烤特性的计算公式为：
[0055]
黄烘烤特性＝变化黄/(累计烘烤时间*干球温度*湿球温度)
[0056]
干烘烤特性＝变化干/(累计烘烤时间*干球温度*湿球温度)
[0057]
以下是用本方法得到的黄烘烤特性和干烘烤特性的结果与专家对烘烤烟叶黄烘烤特性和干烘烤特性评价进行的对比。
[0058]
采用烘烤过程中初烤烟叶作为测试对象，烟叶样本选自2022年云南楚雄产地，专家对黄比例和干比例的评价见表1，专家对当前烘烤阶段烟叶的黄比例和干比例进行打分，初始的黄比例和干比例为0，当前黄比例和干比例与初始黄比例和干比例相减为变化黄和变化干值，从控制终端传感器获取当前的烘烤时间、干球温度与湿球温度，根据公式：黄烘烤特性＝变化黄/(累计烘烤时间*干球温度*湿球温度)；干烘烤特性＝变化干/(累计烘烤时间*干球温度*湿球温度)，本表采用0.05％整数倍上限计数法，得到黄烘烤特性和干烘烤
特性如下数据。
[0059]
表1初烤烟叶样本专家评价
[0060][0061]
选取2022年云南楚雄产地初烤烟叶作为样本，采用如下基于图像推理模型的烟叶初烤烘烤控制方法获取此样本的黄烘烤特性和干烘烤特性：
[0062]
首先，基于干球和湿球温度、烤房内来回移动的摄像机实时获取的hsv和lab通道像素值以及烘烤时间与专家评测的黄比例和干比例关联，建立对黄比例和干比例的预测模型，以专家评测的黄比例和干比例作为因变量，读取干球和湿球温度、hsv和lab通道像素值以及烘烤时间作为自变量，应用自变量和因变量建立多项式回归模型如下，实现对黄比例和干比例的预测：
[0063][0064][0065]
y表示因变量黄比例预测值；y2表示因变量干比例预测值；x1表示干球温度；x2表示湿球温度；x3表示h通道像素值；x4表示s通道像素值；x5表示v通道像素值；x6表示l通道像素值；x7表示a通道像素值；x8表示b通道像素值；x9表示烘烤时间。
[0066]
其次，计算黄烘烤特性和干烘烤特性。
[0067]
(1)应用模型预测得到当前时间的黄比例和干比例值，预测结果如表2。
[0068]
表2初烤烟叶样本黄比例和干比例预测值
[0069][0070]
(2)得到的黄比例和干比例与起始时间的黄比例和干比例相减，获得变化黄和变化干值。
[0071]
(3)将当前烘烤时间与起始烘烤时间相减，得到本烘烤阶段的累计烘烤时间。
[0072]
(4)将变化黄和变化干除以累计烘烤时间、此烘烤时间段内干球温度均值和湿球温度均值的乘积：黄烘烤特性＝变化黄/(累计烘烤时间*干球温度*湿球温度)；干烘烤特性＝变化干/(累计烘烤时间*干球温度*湿球温度)分别得到黄烘烤特性和干烘烤特性值，取烘烤阶段6、烘烤阶段7、烘烤阶段8的黄烘烤特性和干烘烤特性的均值，见表3。
[0073]
表3黄烘烤特性和干烘烤特性均值
[0074]
当前烘烤阶段黄烘烤特性干烘烤特性60.07％0.02％70.05％0.02％80.04％0.01％
[0075]
将本方法的黄烘烤特性和干烘烤特性结果与专家对烘烤烟叶评价进行对比，对比结果如表4。
[0076]
表4黄烘烤特性和干烘烤特性对比结果
[0077][0078]
表4可以看出，根据烘烤过程中专家对烟叶烘烤黄烘烤特性和干烘烤特性程度的
评价和应用本方法得到的黄烘烤特性和干烘烤特性的结果的对比，发现二者评价结果一致的比例为100％，具有较高准确率。
[0079]
可见，应用基于图像推理模型的烘烤控制方法可以精确的评价初烤烟叶烘烤阶段烘烤效果，烘烤是否达标。本发明的基于图像推理模型的烟叶初烤烘烤控制方法可以通过智能控制器对烘烤阶段进行精准控制，保证烘烤效果，防止过度烘烤和烘烤不达标的现象发生。为今后应用在数字化烘烤中，烘烤黄烘烤特性和干烘烤特性的纳入，对烟叶数字化烘烤的效率的提升提供研究基础。

技术特征：

1.一种基于图像推理模型的烟叶初烤烘烤控制方法，所述方法包括以下步骤：s1，建立烘烤过程中黄比例和干比例预测模型，将预测模型写入软件，安装于密集烤房智能控制系统；s2，通过具有现场图像采集功能的智能控制系统获取当前烘烤过程中实际的黄比例和干比例；s3，随时将烘烤过程中实际的黄比例和干比例与烘烤曲线要求的黄比例和干比例比较，如果黄比例和干比例相同，提前达到目标，即可进入下一个烘烤阶段，如果达到烘烤曲线要求的时间，黄比例和干比例仍然未达到目标，则根据烟叶的黄烘烤特性和干烘烤特性，估算延火时间，自动延火，调整干球温度和湿球温度，继续进行烘烤，延火时间达到目标，即可进入下一个烘烤阶段，如果延火时间烧完不达标，自动跳转下一个烘烤阶段。2.根据权利要求1所述的一种图像推理模型的烟叶初烤烘烤控制方法，其中，s1中的黄比例和干比例预测模型的建立步骤为：s11，专家对烘烤过程中烟叶的黄比例和干比例进行打分评价；s12，对待测的烤烟样本进行图像采集，读入图像作为样本图像；s13，以专家测评的黄比例和干比例作为因变量，以烤烟样本图像、干球温度、湿球温度、烘烤时间作为自变量，建立多项式回归模型。3.根据权利要求2所述的一种图像推理模型的烟叶初烤烘烤控制方法，其中，s12中待测烤烟样本的图像采集通过烤房内多个摄像机采集。4.根据权利要求3所述的一种图像推理模型的烟叶初烤烘烤控制方法，其中，s12中烤房内的多个摄像机是实时来回移动取像的。5.根据权利要求4所述的一种图像推理模型的烟叶初烤烘烤控制方法，s12中读入样本图像时，将样本图像分别转换到hsv和lab颜空间，获取图像hsv和lab通道像素值。6.根据权利要求5所述的一种图像推理模型的烟叶初烤烘烤控制方法，其中，s13中建立的黄比例和干比例预测多项式回归模型为：式中，x1表示干球温度；x2表示湿球温度；x3表示h通道像素值；x4表示s通道像素值；x5表示v通道像素值；x6表示l通道像素值；x7表示a通道像素值；x8表示b通道像素值；x9表示烘烤时间；w0表示偏置项；w1表示干球温度的回归系数；w2表示湿球温度的回归系数；w3表示干球温度和湿球温度乘积的回归系数；w4表示h通道像素值平方的回归系数；w5表示s通道像素值平方的回归系数；w6表示v通道像素值的回归系数；w7表示l通道像素值的回归系数；w8表示v通道像素值和l通道像素值乘积的回归系数；w9表示a通道像素值平方的回归系数；w
10
表示b通道像素值平方的回归系数；w
11
表示烘烤时间的回归系数；y表示因变量黄比例和干比例预测值。7.根据权利要求1-6中任一项所述的一种图像推理模型的烟叶初烤烘烤控制方法，其中，s3中黄烘烤特性和干烘烤特性的建立步骤为：s31，根据黄比例和干比例预测模型得到当前黄比例和干比例，减去黄比例和干比例测模型得到的初始的黄比例和干比例，得到变化黄和变化干值；s32，将当前烘烤时间与起始烘烤时间相减，得到本烘烤阶段的累计烘烤时间；
s33，用变化黄和变化干与累计烘烤时间、干球温度、湿球温度相除，得到烟叶的黄烘烤特性和干烘烤特性。8.根据权利要求7所述的一种图像推理模型的烟叶初烤烘烤控制方法，其中，s33中黄烘烤特性和干烘烤特性的计算公式为：黄烘烤特性＝变化黄/(累计烘烤时间*干球温度*湿球温度)干烘烤特性＝变化干/(累计烘烤时间*干球温度*湿球温度)。9.根据权利要求1-8任一项所述的一种基于图像推理模型的烟叶初烤烘控制方法，所述延火时间为2小时。10.根据权利要求1-8任一项所述的一种基于图像推理模型的烟叶初烤烘烤控制方法，所述现场图像采集是指烤房内多个摄像机采集，且烤房内的多个摄像机实时来回移动取像。

技术总结

本发明提供了一种基于图像推理模型的烟叶初烤烘烤控制方法，通过建立黄比例和干比例预测模型，将预测模型写入软件，安装于密集烤房智能控制系统，通过具有现场图像采集功能的智能控制系统获取当前烘烤过程中实际的黄比例和干比例，与烘烤曲线要求的黄比例和干比例进行比较，如果黄比例和干比例相同，提前达到目标，如果黄比例和干比例不相同，则根据烟叶的黄烘烤特性和干烘烤特性，估算延火时间，自动延火，调整干球温度和湿球温度，继续进行烘烤，延火时间达到目标，即可进入下一个烘烤阶段，如果延火时间烧完不达标，自动跳转下一个烘烤阶段，本发明可以不依赖专家的人工监测，通过实时图像采集和比较，对烘烤阶段进行精确评价，使烤烟达到最佳烘烤效果。使烤烟达到最佳烘烤效果。使烤烟达到最佳烘烤效果。