(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210778908.X (22)申请日 2022.07.04 (71)申请人 厦门烟草工业有限责任公司 地址 361022 福建省厦门市海沧区新阳路1 号 (72)发明人 郭峰　罗旻晖　李楠　吴国忠　 陈谐飞　陈佳旭　邓铠彰　 (74)专利代理 机构 中国贸促会专利商标事务所 有限公司 1 1038 专利代理师 王云飞 (51)Int.Cl. G01N 21/3563(2014.01) G01N 21/359(2014.01) G01N 21/88(2006.01) G01N 21/95(2006.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 7/00(2017.01) G06V 10/26(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 烟叶检测方法、 装置和系统、 存 储介质 (57)摘要 本公开涉及一种烟叶检测方法、 装置和系 统、 存储介质。 该烟叶检测方法包括： 获取烟叶样 本， 其中， 烟叶样本包括近红外光谱仪采集的同 一烟叶上多个点的近红外光谱值、 和相机采集的 同一烟叶的图像； 对烟叶样本进行标定； 提取烟 叶样本图像特征值； 建立烟叶检测模型； 实时获 取烟叶图像， 将烟叶图像输入烟叶检测模型， 判 断当前烟叶是否为异常烟叶， 其中， 异常烟叶包 括霉变烟叶和含杂物烟叶中的至少一种。 本公开 可以基于光谱加机器视觉检测能够对霉变烟叶 进行表面检测， 由此可以实现对烟叶霉变的快速 检测。 权利要求书3页 说明书14页 附图6页 CN 115128033 A 2022.09.30 CN 115128033 A 1.一种烟叶检测方法， 其特 征在于， 包括： 获取烟叶样本， 其中， 烟叶样本包括近红外光谱仪采集的同一烟叶上多个点的近红外 光谱值、 和相机采集的同一烟叶的图像； 对烟叶样本进行 标定； 提取烟叶样本图像特 征值； 建立烟叶检测模型； 实时获取烟叶图像， 将烟叶图像输入烟叶检测模型， 判断当前烟叶是否为异常烟叶， 其 中， 异常烟叶包括霉 变烟叶和含杂物烟叶中的至少一种。 2.根据权利要求1所述的方法， 其特 征在于， 所述对烟叶样本进行 标定包括： 将烟叶样本标定为 正常烟叶和异常烟叶。 3.根据权利要求1或2所述的方法， 其特 征在于， 所述获取烟叶样本包括： 通过近红外光谱仪采集同一烟叶上多个点的近红外光谱值； 通过相机采集同一烟叶的图像； 将采集到的烟丝图像进行 预处理， 降低图像噪声， 得到有效烟丝图像； 对有效烟丝图像进行增强处 理,增强霉 变或杂物目标 特征， 得到烟丝增强图像。 4.根据权利要求1或2所述的方法， 其特 征在于， 所述 提取烟叶样本图像特 征值包括： 将从各烟叶样本的基础光谱信息中筛选出各烟叶样本对霉变或含杂物判别影响大于 预定值的特 征波长； 对图像特 征和近红外光谱进行降维处 理得到烟叶特 征； 将烟叶特 征进行融合并采用归一 化方法进行处 理。 5.根据权利要求 4所述的方法， 其特 征在于， 所述建立烟叶检测模型包括： 创建烟叶检测模型并将烟叶样本分为训练集和验证集， 对烟叶检测模型进行训练和分 类以构建烟叶检测模型； 将经融合的预分类烟叶特 征导入烟叶检测模型进行判别以输出判断结果。 6.根据权利要求 4所述的方法， 其特 征在于， 所述建立烟叶检测模型包括： 对归一化的样本数据构建 分类判别模型； 使用交互验证法优化分类判别模型的多层神经 元数； 将处理后的烟叶样本划分为训练集和验证集； 使用训练集对分类判别模型进行独立训练， 建立数据和类的关系； 使用分类判别模型对 验证集进行分类， 汇总分类结果， 输出被分最多的类别； 将分类判别模型的输出分为 正常烟叶和异常烟叶， 完成烟叶检测模型的构建； 将经融合的预分类烟叶特征导入建立的烟叶检测模型中进行判别， 输出烟叶是否发生 正常的判断结果。 7.根据权利要求1或2所述的方法， 其特征在于， 所述实时获取烟叶图像， 将烟叶图像输 入烟叶检测模型， 判断当前烟叶是否为异常烟叶包括： 对实时在线检测的烟叶样本进行近红外光谱 采集和图像特 征提取； 使用通过训练后的烟叶检测模型 预测所述烟叶样本的异常情况； 根据模型 预测值实现对实时在线生成过程中的烟叶进行异常判断。 8.根据权利要求1或2所述的方法， 其特 征在于， 所述建立烟叶检测模型包括：权　利　要　求　书 1/3 页 2 CN 115128033 A 2采用规则检测模型基于规则进行异常初步检测， 其中， 异常包括霉变和含杂物中的至 少一种； 基于初步检测结果， 采用深度学习模型进一 步检测判断烟叶是否存在异常； 根据规则检测结果与深度学习模型 结果， 综合判断是否存在 烟叶异常。 9.根据权利要求8所述的方法， 其特征在于， 所述采用规则检测模型基于规则进行异常 初步检测包括： 将采集到的烟丝图像进行 预处理， 降低图像噪声， 得到有效烟丝图像； 根据烟叶异常图像的表现特点， 设计图像分割规则； 采用图像分割将烟叶图像阵列分解成多个互不交叠的区域， 其中， 每一个区域内部的 某种特性或特 征相同或接 近， 而不同区域间的图像特 征则有明显 差别； 获取图像分割后的烟叶 图像， 根据烟叶形状判断烟叶是否发生异常。 10.根据权利要求8所述的方法， 其特征在于， 所述采用深度学习模型进一步检测判断 烟叶是否存在异常包括： 采用深度学习图像分类模型和深度学习语义分割模型中的至少一种判断烟叶是否存 在异常。 11.根据权利要求10所述的方法， 其特征在于， 所述采用深度学习图像分类模型判断烟 叶是否存在异常包括： 在训练阶段， 对原 始图像进行切片； 对每个小片图片进行打标分类之后， 输入深度学习图像分类模型进行训练； 在检测阶段， 对实时图像切片， 基于训练后的深度学习图像分类模型对实时图像切片 后小片进行分类判断。 12.根据权利要求10所述的方法， 其特征在于， 所述采用深度学习语义分割模型判断烟 叶是否存在异常包括： 将烟叶图像分割成具有一定语义含义的区域块， 并识别出每个区域块的语义类别， 得 到一幅具有逐像素语义标注的分割图像； 基于深度学习语义分割模型对实时图像 每个像素进行分类判断。 13.一种烟叶检测装置， 其特 征在于， 包括： 烟叶样本获取模块， 用于获取烟叶样本； 烟叶样本标定模块， 用于对烟叶样本进行 标定； 图像特征提取模块， 用于提取烟叶样本图像特 征值； 检测模型建立模块， 用于建立烟叶检测模型； 烟叶检测模块， 用于实时获取烟叶图像， 将烟叶图像输入烟叶检测模型， 判断当前烟叶 是否为异常烟叶。 14.根据权利要求13所述的烟叶检测装置， 其特征在于， 所述烟叶检测装置用于执行实 现如权利要求1 ‑12中任一项所述方法的操作。 15.一种烟叶检测装置， 其特 征在于， 包括： 存储器， 用于存 储指令； 处理器， 用于执行所述指令， 使得所述烟叶检测装置执行实现如权利要求1 ‑12中任一 项所述方法的操作。权　利　要　求　书 2/3 页 3 CN 115128033 A 3