基于卷积神经网络的烘烤过程中烤烟烘烤阶段识别方法

    公开(公告)号:CN111079784B

    公开(公告)日:2023-06-02

    申请号:CN201911094874.7

    申请日:2019-11-11

    摘要: 本发明提出了一种基于卷积神经网络的烘烤过程中烤烟烘烤阶段识别方法,其步骤为:首先,采集不同烘烤阶段整夹烤烟图像作为目标图像样本,并将目标图像样本分为十类样本图像;其次,基于Tensorflow环境构建包括10个卷积层、5个池化层、2个全连接层和1个输出层的卷积神经网络;然后,对十类样本图像进行标号,并输入构建好的卷积神经网络进行训练得到卷积神经网络模型;最后,利用卷积神经网络模型对待检测的整夹烤烟图像进行判断,输出整夹烤烟图像的类别,完成烘烤过程中烤烟烘烤阶段的识别。本发明不仅能够准确有效地对不同烘烤阶段的烤烟进行分类,自适应能力强;且分类速度快,符合当前生产过程中,人眼观察的习惯,具有很好的应用前景。

    控制部分烟叶一致成熟的方法

    公开(公告)号:CN114097564A

    公开(公告)日:2022-03-01

    申请号:CN202111621415.7

    申请日:2021-12-28

    IPC分类号: A01G22/45 A01G7/06

    摘要: 本发明公开了控制部分烟叶一致成熟的方法,通过对同一烟株进行区分管理,并辅助以良好的土壤施肥等田间管理,实现了同一烟株烟叶同步成熟。本发明提供的方控包括种植与田间管理步骤,田间管理步骤包括将烟株打顶,并针对属于同一烟株的上部叶中的较快成熟叶片,喷施赤霉素和硝酸钾,最后即可一次性采收同一烟株的烟叶。本发明能够延缓上部从上往下第4‑6片烟叶的衰老,延长生育期,达到与顶部从上往下1‑3片烟叶同步成熟的目的,提高烟叶烤后总体品质,解决了由于叶片间成熟差异大导致的烤后烟叶质量下降而出现的烤后颜色不均匀、厚薄差异大的问题。

    一种烟草根黑腐病的综合防控方法

    公开(公告)号:CN110506598A

    公开(公告)日:2019-11-29

    申请号:CN201910891693.0

    申请日:2019-09-20

    IPC分类号: A01G22/45 A01G13/00 A01B79/02

    摘要: 本发明公开的一种烟草根黑腐病的综合防治方法,包括如下步骤:(1)土壤改良:作物收获后,将秸秆粉碎均匀撒施于田块中,进行土壤深翻,将该土壤作为翌年种植烤烟的土壤;(2)化学药剂处理:井窖式烟苗移栽后,向井窖内施入保水剂和含10亿个/g枯草芽孢杆菌、生根剂、硝酸钾、氯氰菊酯乳油的定根水、四聚乙醛颗粒剂;烟苗移栽后15-20天,随第一次追肥再一次用含10亿个/g枯草芽孢杆菌、生根剂的肥水液灌根;烟草根黑腐病发病初期或低温多雨或连续阴雨天前用甲霜灵锰锌可湿性粉剂灌根。本发明优点在于,解决现有单一措施对烟草根黑腐病防控不及时和防控效果较差的问题,提高烟草根黑腐病防治效果,增加烟叶产量、产值。

    基于卷积神经网络的烘烤过程中烤烟烘烤阶段识别方法

    公开(公告)号:CN111079784A

    公开(公告)日:2020-04-28

    申请号:CN201911094874.7

    申请日:2019-11-11

    IPC分类号: G06K9/62 G06N3/04 G06N3/08

    摘要: 本发明提出了一种基于卷积神经网络的烘烤过程中烤烟烘烤阶段识别方法,其步骤为:首先,采集不同烘烤阶段整夹烤烟图像作为目标图像样本,并将目标图像样本分为十类样本图像;其次,基于Tensorflow环境构建包括10个卷积层、5个池化层、2个全连接层和1个输出层的卷积神经网络;然后,对十类样本图像进行标号,并输入构建好的卷积神经网络进行训练得到卷积神经网络模型;最后,利用卷积神经网络模型对待检测的整夹烤烟图像进行判断,输出整夹烤烟图像的类别,完成烘烤过程中烤烟烘烤阶段的识别。本发明不仅能够准确有效地对不同烘烤阶段的烤烟进行分类,自适应能力强;且分类速度快,符合当前生产过程中,人眼观察的习惯,具有很好的应用前景。