-
公开(公告)号：CN112163527B
公开(公告)日：2022-06-14
申请号：CN202011056569.1
申请日：2020-09-29
Applicant: 华中科技大学
IPC: G06V20/00 , G06V10/764 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T5/00 , G06T7/41
Abstract: 本发明公开了一种基于融合模型的烟叶烘烤状态识别方法、装置和系统，属于烟叶烘烤技术领域，所述方法包括：以预设采集周期采集烘烤过程中烟叶及烤房的原始数据集；将从烟叶图像中提取的特征值转为结构化数据，将结构化数据与原始数据集结合成初始数据集；基于初始数据集中的特征数据获取第一特征集合，对烟叶状态进行编码得到烟叶状态编码；利用第一特征集合和烟叶状态编码训练XGBoost模型、LSTM模型以及BP神经网络模型得到第一层模型，再利用第一特征集合和第一层模型的输出结果训练第二层的XGBoost模型得到融合模型；将实时获取的特征集合输入融合模型得到烟叶识别结果。本申请提高了烟叶烘烤状态识别准确率和识别效率，且无需人工识别，节约了人力成本。
-
公开(公告)号：CN112163527A
公开(公告)日：2021-01-01
申请号：CN202011056569.1
申请日：2020-09-29
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于融合模型的烟叶烘烤状态识别方法、装置和系统，属于烟叶烘烤技术领域，所述方法包括：以预设采集周期采集烘烤过程中烟叶及烤房的原始数据集；将从烟叶图像中提取的特征值转为结构化数据，将结构化数据与原始数据集结合成初始数据集；基于初始数据集中的特征数据获取第一特征集合，对烟叶状态进行编码得到烟叶状态编码；利用第一特征集合和烟叶状态编码训练XGBoost模型、LSTM模型以及BP神经网络模型得到第一层模型，再利用第一特征集合和第一层模型的输出结果训练第二层的XGBoost模型得到融合模型；将实时获取的特征集合输入融合模型得到烟叶识别结果。本申请提高了烟叶烘烤状态识别准确率和识别效率，且无需人工识别，节约了人力成本。
-
公开(公告)号：CN114266419B
公开(公告)日：2024-11-08
申请号：CN202210032426.X
申请日：2022-01-12
Applicant: 华中科技大学
Abstract: 本发明属于雪茄烟晾制技术领域，公开了一种基于数据融合的雪茄烟烟叶工艺阶段预测方法、系统及介质，预测方法包括：以预设采集周期采集雪茄烟烟叶晾制过程中的原始数据和原始图像；分别对原始数据与原始图像进行处理，并基于处理的图像与数据训练决策树模型和支持向量机模型，同时使用带权重投票法融合预测结果；实时采集原始数据和晾制过程雪茄烟烟叶原始图像，处理后作为模型输入项，对雪茄烟烟叶进行晾制阶段的判别。本发明提供了一种基于数据融合的雪茄烟烟叶工艺阶段预测方法，能够准确判别雪茄烟烟叶晾制状态，方便晾房湿度管理，提升晾制工艺，同时节约了人力成本。
-
公开(公告)号：CN114266419A
公开(公告)日：2022-04-01
申请号：CN202210032426.X
申请日：2022-01-12
Applicant: 华中科技大学
Abstract: 本发明属于雪茄烟晾制技术领域，公开了一种基于数据融合的雪茄烟烟叶工艺阶段预测方法、系统及介质，预测方法包括：以预设采集周期采集雪茄烟烟叶晾制过程中的原始数据和原始图像；分别对原始数据与原始图像进行处理，并基于处理的图像与数据训练决策树模型和支持向量机模型，同时使用带权重投票法融合预测结果；实时采集原始数据和晾制过程雪茄烟烟叶原始图像，处理后作为模型输入项，对雪茄烟烟叶进行晾制阶段的判别。本发明提供了一种基于数据融合的雪茄烟烟叶工艺阶段预测方法，能够准确判别雪茄烟烟叶晾制状态，方便晾房湿度管理，提升晾制工艺，同时节约了人力成本。
-
-
-
Search Results
4
records
(took 0.017 seconds)
