本技术涉及图像识别，尤其涉及一种针对雪茄烟图像的质量评价方法和系统。
背景技术：
1、雪茄作为一种高档烟草制品，其质量好坏直接取决于所选用的烟叶的质量。在雪茄烟叶的多个质量指标中，新鲜度是决定烟叶香型的首要因素，优质雪茄烟叶色泽深绿、油亮，颜色均匀。
2、雪茄茄芯烟叶的外观质量较为直观的反应了烟叶的大田生长状况与烟叶调制、发酵的状态，故对工业使用有较强的指导意义。对于茄芯而言，考察的指标主要有颜色、烟叶大小、光滑度、病虫害、烟叶脉络粗细、烟叶平展度以及氧化还原状态等。在烟草科学的研究中，综合评价方法占有十分重要的地位。烟草学者越来越多地运用统计学与数学方法对烟叶质量进行综合的评价。
3、因此，如何探究一种快速高效的雪茄烟图像的质量评价方法是本领域技术人员亟需解决的问题。
技术实现思路
1、为实现上述目的，本技术提供如下技术策略：
2、根据本发明第一方面，本发明请求保护一种针对雪茄烟图像的质量评价方法，包括以下步骤：
3、采集待检测雪茄烟图像在采摘运输中的当前保鲜状态指标，根据所述当前保鲜状态指标并通过循环迭代实验分析输出待检测雪茄烟图像在期望周期中每个时间关联的多个标准图像特征信息，输出待检测雪茄烟图像的多个标准图像特征信息集；
4、采集待检测雪茄烟图像在期望周期中每个时间关联的真实图像特征信息，输出待检测雪茄烟图像的多个真实图像特征信息集；将待检测雪茄烟图像的多个真实图像特征信息集与相应标准图像特征信息集进行对照，输出待检测雪茄烟图像在期望周期的保鲜质量；
5、若待检测雪茄烟图像的保鲜质量为不新鲜，则对待检测雪茄烟图像进行溯源分析，输出待检测雪茄烟图像的溯源流程与溯源流程的溯源节点；
6、根据待检测雪茄烟图像溯源流程的溯源节点在策略映射表中匹配输出相应的调整策略，并将所述调整策略与溯源流程的定位数据切分后传输至雪茄烟生产流水线上。
7、进一步地，采集待检测雪茄烟图像在采摘运输中的当前保鲜状态指标，根据所述当前保鲜状态指标并通过循环迭代实验分析输出在期望周期内待检测雪茄烟图像的多个标准图像特征信息，输出待检测雪茄烟图像的多个标准图像特征信息集，具体为：
8、采集待检测雪茄烟图像的保藏历史记录，在所述保藏历史记录中获得待检测雪茄烟图像在各种历史保鲜状态指标条件之下展示时的历史图像特征信息；其中，保鲜状态指标包括施肥指标、病虫害指标、成熟度指标、运输指标以及含量指标；
9、对所述历史图像特征信息进行去噪分析，输出经过去噪分析后的数据集；将经过去噪分析后的数据集分为历史特征和预期特征；历史特征包括历史图像特征信息中提取的特征，预期特征则是要分析的待检测雪茄烟图像的预期保鲜周期；
10、配置循环迭代实验，将所述历史特征和预期特征导入所述循环迭代实验中，通过拟合历史特征和预期特征来学习循环迭代实验的参数，直至循环迭代实验的参数符合标准要求后，输出测试好的循环迭代实验；
11、采集待检测雪茄烟图像在采摘运输中的当前保鲜状态指标，将所述当前保鲜状态指标导入所述测试好的循环迭代实验中进行分析，输出在期望周期内待检测雪茄烟图像的多个标准图像特征信息，输出待检测雪茄烟图像的多个标准图像特征信息集；
12、其中，图像特征信息包括颜色、烟叶大小、光滑度、病虫害、烟叶脉络粗细、烟叶平展度以及氧化还原状态。
13、进一步地，将待检测雪茄烟图像的多个真实图像特征信息集与相应标准图像特征信息集进行对照，输出待检测雪茄烟图像在期望周期的保鲜质量，具体为：
14、逐一计算待检测雪茄烟图像的多个真实图像特征信息集与相应标准图像特征信息集之间的余弦相似度值，并分别将待检测雪茄烟图像的多个真实图像特征信息集与相应标准图像特征信息集之间的余弦相似度值与标准阈值进行对照；
15、将待检测雪茄烟图像中余弦相似度值小于或等于标准阈值关联的真实图像特征信息集标记为变质图像特征信息集；将待检测雪茄烟图像中余弦相似度值大于标准阈值关联的真实图像特征信息集标记为新鲜图像特征信息集；
16、统计分析待检测雪茄烟图像在期望周期变质图像特征信息集与新鲜图像特征信息集的情况；若不存在变质图像特征信息集，则说明待检测雪茄烟图像在期望周期的保鲜质量为新鲜状态；若存在变质图像特征信息集，则说明待检测雪茄烟图像在期望周期的保鲜质量为不新鲜。
17、进一步地，若待检测雪茄烟图像的保鲜质量为不新鲜，则对待检测雪茄烟图像进行溯源分析，输出待检测雪茄烟图像的溯源流程与溯源流程的溯源节点，具体为：
18、若待检测雪茄烟图像的保鲜质量为不新鲜，则采集变质图像特征信息集，以及采集与变质图像特征信息集关联的标准图像特征信息集；
19、配置关系数据库，并根据所述变质图像特征信息集在所述关系数据库中生成第一特征变化表，以及根据与变质图像特征信息集关联的标准图像特征信息集在所述关系数据库中生成第二特征变化表；
20、在所述关系数据库中将所述第一特征变化表与第二特征变化表进行对照分析，输出第一特征变化表与第二特征变化表不相重合的元组，并采集第一特征变化表与第二特征变化表不相重合的元组关联的周期；
21、将第一特征变化表与第二特征变化表不相重合的元组关联的周期标记为变质周期；并在待检测雪茄烟图像的保藏历史记录中获得待检测雪茄烟图像在变质周期内的真实变化属性；其中，真实变化属性包括真实颜色、真实光滑度、真实病虫害、真实烟叶脉络粗细、真实烟叶平展度以及真实氧化还原状态；
22、配置深度学习模型，将待检测雪茄烟图像在变质周期内的真实变化属性导入深度学习模型中进行溯源分析，输出待检测雪茄烟图像的溯源流程与溯源流程的溯源节点。
23、进一步地，配置深度学习模型，将待检测雪茄烟图像在变质周期内的真实变化属性导入深度学习模型中进行溯源分析，输出待检测雪茄烟图像的溯源流程与溯源流程的溯源节点，具体为：
24、采集各种流程及其可能的溯源节点，并采集各种流程及其可能的溯源节点之间的概率依赖关系；在待检测雪茄烟图像的保藏历史记录采集待检测雪茄烟图像发生各种溯源节点的溯源历史特征；
25、根据各种流程及其可能的溯源节点之间的概率依赖关系配置深度学习网络，深度学习网络中的节点代表流程和溯源节点，边表示节点之间的概率依赖关系；
26、将待检测雪茄烟图像发生各种溯源节点的溯源历史特征导入深度学习网络，并将所述溯源历史特征视为若干个染色体，根据若干个染色体组成一个染色体集合；基于溯源历史特征的似然性计算每个染色体在染色体集合中的变异概率；
27、对染色体集合中的每个染色体，根据其表示的变异概率计算出关联的适应度值；将适应度值大于标准值的染色体在所述染色体集合中保留，将适应度值小于或等于标准值的染色体在所述染色体集合中剔除，输出最终种群；
28、计算最终种群中每个剩余染色体的变异概率，输出最优变异概率，将所述最优变异概率应用在深度学习网络的每个边上，输出深度学习模型；
29、将待检测雪茄烟图像在变质周期内的真实变化属性导入深度学习模型中进行溯源分析，输出待检测雪茄烟图像的溯源流程与溯源流程的溯源节点。
30、进一步地，根据待检测雪茄烟图像溯源流程的溯源节点在策略映射表中匹配输出相应的调整策略，并将所述调整策略与溯源流程的定位数据切分后传输至雪茄烟生产流水线上，具体为：
31、提前制定待检测雪茄烟图像中各流程发生各种溯源节点关联的调整策略，配置策略映射表，并将待检测雪茄烟图像中各流程发生各种溯源节点关联的调整策略导入所述策略映射表中；
32、采集待检测雪茄烟图像溯源流程的溯源节点，根据待检测雪茄烟图像溯源流程的溯源节点在所述策略映射表中匹配待检测雪茄烟图像进行调整的调整策略；
33、采集待检测雪茄烟图像的溯源流程的定位数据，将待检测雪茄烟图像的溯源流程的定位数据与对待检测雪茄烟图像进行调整的调整策略进行切分，输出评价数据包，并将所述评价数据包传输至雪茄烟生产流水线上。
34、根据本发明第二方面，本发明请求保护一种针对雪茄烟图像的质量评价系统，所述雪茄烟图像的质量评价系统包括存储器与处理器，所述存储器中存储有雪茄烟图像的质量评价方法程序，当所述雪茄烟图像的质量评价方法程序被所述处理器执行时，实现如下步骤：
35、采集待检测雪茄烟图像在采摘运输中的当前保鲜状态指标，根据所述当前保鲜状态指标并通过循环迭代实验分析输出待检测雪茄烟图像在期望周期中每个时间关联的多个标准图像特征信息，输出待检测雪茄烟图像的多个标准图像特征信息集；
36、采集待检测雪茄烟图像在期望周期中每个时间关联的真实图像特征信息，输出待检测雪茄烟图像的多个真实图像特征信息集；将待检测雪茄烟图像的多个真实图像特征信息集与相应标准图像特征信息集进行对照，输出待检测雪茄烟图像在期望周期的保鲜质量；
37、若待检测雪茄烟图像的保鲜质量为不新鲜，则对待检测雪茄烟图像进行溯源分析，输出待检测雪茄烟图像的溯源流程与溯源流程的溯源节点；
38、根据待检测雪茄烟图像溯源流程的溯源节点在策略映射表中匹配输出相应的调整策略，并将所述调整策略与溯源流程的定位数据切分后传输至雪茄烟生产流水线上；
39、所述一种针对雪茄烟图像的质量评价系统用于执行所述的一种针对雪茄烟图像的质量评价方法。
40、本技术涉及图像识别技术领域，尤其涉及一种针对雪茄烟图像的质量评价方法和系统，采集待检测雪茄烟图像在采摘运输中的当前保鲜状态指标，根据所述当前保鲜状态指标并通过循环迭代实验分析输出待检测雪茄烟图像在期望周期中每个时间关联的多个标准图像特征信息，输出待检测雪茄烟图像的多个标准图像特征信息集；根据待检测雪茄烟图像溯源流程的溯源节点在策略映射表中匹配输出相应的调整策略，并将所述调整策略与溯源流程的定位数据切分后传输至雪茄烟生产流水线上。本发明可以准确对雪茄烟的质量进行全方位评价，基于雪茄烟的种植、运输、包装等过程进行全方位监控，有效确保雪茄烟的市场质量。
1.一种针对雪茄烟图像的质量评价方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种针对雪茄烟图像的质量评价方法，其特征在于，采集待检测雪茄烟图像在采摘运输中的当前保鲜状态指标，根据所述当前保鲜状态指标并通过循环迭代实验分析输出在期望周期内待检测雪茄烟图像的多个标准图像特征信息，输出待检测雪茄烟图像的多个标准图像特征信息集，具体为：
3.根据权利要求1所述的一种针对雪茄烟图像的质量评价方法，其特征在于，将待检测雪茄烟图像的多个真实图像特征信息集与相应标准图像特征信息集进行对照，输出待检测雪茄烟图像在期望周期的保鲜质量，具体为：
4.根据权利要求3所述的一种针对雪茄烟图像的质量评价方法，其特征在于，若待检测雪茄烟图像的保鲜质量为不新鲜，则对待检测雪茄烟图像进行溯源分析，输出待检测雪茄烟图像的溯源流程与溯源流程的溯源节点，具体为：
5.根据权利要求4所述的一种针对雪茄烟图像的质量评价方法，其特征在于，配置深度学习模型，将待检测雪茄烟图像在变质周期内的真实变化属性导入深度学习模型中进行溯源分析，输出待检测雪茄烟图像的溯源流程与溯源流程的溯源节点，具体为：
6.根据权利要求1所述的一种针对雪茄烟图像的质量评价方法，其特征在于，根据待检测雪茄烟图像溯源流程的溯源节点在策略映射表中匹配输出相应的调整策略，并将所述调整策略与溯源流程的定位数据切分后传输至雪茄烟生产流水线上，具体为：
7.一种针对雪茄烟图像的质量评价系统，其特征在于，所述雪茄烟图像的质量评价系统包括存储器与处理器，所述存储器中存储有雪茄烟图像的质量评价方法程序，当所述雪茄烟图像的质量评价方法程序被所述处理器执行时，实现如下步骤：
