-
公开(公告)号：CN118070211A
公开(公告)日：2024-05-24
申请号：CN202410025469.4
申请日：2024-01-08
申请人： 云南省烟草质量监督检测站 , 昆明理工大学
发明人： 龙杰 , 龚佩瑶 , 刘宇晨 , 刘凯 , 侯开虎 , 邓超 , 张林 , 胡巧慧 , 白帆 , 张冀武 , 孙浩巍 , 张晓伟 , 张轲 , 盖小雷 , 段鑫怡 , 夏琳 , 栾菲菲 , 宗达
IPC分类号： G06F18/25 , G06F18/27 , G06F18/2431 , G06F18/241
摘要： 本发明公开一种多模态的烤烟叶油分表征方法，涉及烤烟分级技术领域。本发明由烟叶分级专家分别对上部、中部、下部烟叶进行标注，获取烤烟叶油分的数字化特征。然后通过工业相机获取样本烟叶的图像，将图像进行二值化分割，确定图像烟叶区域，对图像烟叶区域进行特征提取，获取烟叶的面积、橘色占比、柠色占比、H均值、S均值、V均值特征。再分别通过数字称和色差计获取烟叶的静态重量和色差数值；然后进行烤烟叶油分与烟叶的图像特征、静态重量、色差数值的相关性分析，确定烤烟叶的油分与烟叶的图像特征、静态重量、色差数值之间存在的相关性，再进一步进行回归与通径分析，获取回归方程和通径系数，从而得到油分的表征方程式。
-
公开(公告)号：CN117809111A
公开(公告)日：2024-04-02
申请号：CN202311863451.3
申请日：2023-12-29
申请人： 云南省烟草质量监督检测站 , 昆明理工大学
发明人： 刘凯 , 张林 , 盖小雷 , 陈伟 , 侯开虎 , 胡巧慧 , 邓超 , 白帆 , 龚佩瑶 , 张冀武 , 刘宇晨 , 孙浩巍 , 张晓伟 , 张轲 , 龙杰 , 李周州 , 张云芳 , 宗达
IPC分类号： G06V10/764 , G06V10/44 , G06V10/762 , G06V10/56 , G06V10/26 , G06N20/00
摘要： 本发明涉及一种基于级联分类器的链式烤烟分级方法。该方法涉及机器学习和烤烟分级技术领域，根据烤烟收购标准，制定样品并采集图像，建立分级数据集，利用OpenCV和特征提取算法对分级数据集图像进行预处理以及提取烤烟预处理数据集的形体、颜色等特征。使用烤烟预处理数据集和提取的特征进行烤烟链式分级模型参数训练，得到烤烟链式分级模型。对烤烟链式分级模型参数进行调整，并在烤烟分级设备上完成推理部署，基于所述烤烟链式分级模型获取烤烟分级结果。本发明通过搭建链式分级模型，解决了现有烤烟分级方法灵活性较低，迁移学习能力差和关键特征表达能力差的技术问题，能够有效提高烤烟分级的模型迁移能力，以满足烤烟收购市场的要求。
-
公开(公告)号：CN117557661A
公开(公告)日：2024-02-13
申请号：CN202311843984.5
申请日：2023-12-28
申请人： 云南省烟草质量监督检测站 , 昆明理工大学
发明人： 陈伟 , 白帆 , 刘凯 , 张冀武 , 龙杰 , 侯开虎 , 邓超 , 张林 , 胡巧慧 , 龚佩瑶 , 刘宇晨 , 孙浩巍 , 张晓伟 , 张轲 , 盖小雷 , 宗达 , 李俞葵 , 黄月婷 , 王润玲
摘要： 本发明公开了一种实收烤烟青色和杂色程度划分方法，涉及烤烟智能分级技术领域。包括以下步骤：收集实收状态分级专家定级的青色和杂色烤烟建立样本库；采用工业面阵相机对青色烟和杂色烟进行采集并依据专家经验标注青色和杂色区域；依据采集烤烟图像阈值分割将烤烟图像背景去除并裁剪多余背景；将预处理过的烤烟图像进行通道切片再用粒子群算法寻找最优颜色指数；通过阈值分割得到烤烟青色和杂色面积；用青色和杂色面积分别除以整个烤烟的面积即为烤烟青色和杂色占比；依据提取的青色和杂色占比对烤烟青色和杂色划分程度。本发明提供了实收烤烟青色和杂色程度划分方法，方便快捷，为烤烟智能化分级提供便利。
-
公开(公告)号：CN117592476A
公开(公告)日：2024-02-23
申请号：CN202311496157.3
申请日：2023-11-10
申请人： 昆明理工大学
IPC分类号： G06F40/295 , G06N3/045 , G06N3/0442 , G06N3/09 , G06V30/14 , G06V30/19
摘要： 本发明提出了一种基于BERT融合注意力机制的烟叶分级文本命名实体识别方法，该方法主要包括了以下内容：对烟叶分级数据进行预处理，得到烟叶分级训练数据，将烟叶分级数据进行标注并按照一定比例划分为训练集、测试集和验证集；基于烟叶分级的数据集提出具体模型：BERT‑BiGRU‑IDCNN‑Attention‑CRF模型，通过将分级数据输入BERT生成嵌入词向量,再将嵌入词向量传入BiGRU层和IDCNN层进行训练学习，同时引入注意力机制，强化实体识别对分级文本起作用的关键特征，弱化其他无关特征，强化该模型在烟叶分级命名实体识别的效果，最后将前面层输出的结果传入CRF层进行维特比解码输出。本发明通过BERT预训练模型在自然语言处理方面的强大效果，同时利用BiGRU与IDCNN融合特征向量，并且引入注意力机制，有效的弥补了BiGRU忽略局部特征的缺陷，使得在对烟叶分级文本进行命名实体识别时效果更好。
-
公开(公告)号：CN117540742A
公开(公告)日：2024-02-09
申请号：CN202311495632.5
申请日：2023-11-10
申请人： 昆明理工大学
IPC分类号： G06F40/295 , G06F40/30 , G06F16/36 , G06N3/0442 , G06N3/08
摘要： 本发明提出了一种融合位置标签并基于ERNIE3.0和多网络的命名实体识别方法，该方法主要包括：按照8:1:1的比例划分番茄病虫害领域文本数据，以用于对模型进行训练、验证、测试；该方法提出具体模型为：融合位置标签的ERNIE3.0‑BIGRU‑GCN‑MHATT‑CRF模型，对输入的文本中的实体进行位置标签处理进而标记实体的开始位置和结束位置，帮助模型更好地理解文本中的实体信息，然后再以滑动窗口形式将每三句话的文本、标签、位置信息组合为一组输入到ERNIE3.0‑BIGRU‑GCN‑MHATT‑CRF多网络模型中进行训练、验证、测试，最后输出番茄病虫害领域在验证集、测试集上的命名实体识评估结果。本发明的提出能够显著改善和提升番茄病虫害领域对文本数据的处理效率，为后续番茄病虫害领域知识图谱构建、问答系统生成奠定坚实基础。
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.047 秒)
