基于深度学习的在线烟叶等级判定研究齐玥程1,王燕1∗,李丽1,熊攀攀2(1.云南省烟草烟叶公司,云南昆明650000;2.上海创和亿电子科技发展有限公司,上海200082)摘要对烟叶进行等级判定可以合理利用烟叶资源,提高卷烟产品质量,对实现经济利益最大化有重要意义。提出一种基于深度学习的在线烟叶等级判定方法,该方法采用ResNeXt为基础网络,在残差结构中嵌入SE模块以增强重要通道的信息,并引入FPN+PAN结构将网络浅层细节特征和高层语义特征进行融合,以实现多尺度特征表达。测试结果表明,该方法烟叶等级判定的准确率达到92.8%,因此该方法对烟叶等级具备良好识别的能力,可适用实际生产。关键词烟叶等级判定;深度学习;卷积神经网络;SE模块;特征融合中图分类号TP391.41;TP18文献标识码A文章编号0517-6611(2023)03-0235-05doi:10.3969/j.issn.0517-6611.2023.03.053开放科学(资源服务)标识码(OSID):OnlineTobaccoLeafGradeDeterminationResearchBasedonDeepLearningQIYue-cheng,WANGYan,LILietal(YunnanTobaccoLeafCo.,Ltd.,Kunming,Yunnan650000)AbstractThegradingjudgmentoftobaccoleavescanrationallyutilizetobaccoresources,improvethequalityofcigaretteproducts,andisofgreatsignificancetomaximizeeconomicbenefits.Anonlinetobaccoleafgradedeterminationmethodbasedondeeplearningwasproposed,whichusedResNeXtasthebasicnetwork,embeddedtheSEmoduleintheresidualstructuretoenhancetheinformationofimportantchannels,andintroducedtheFCN+PANstructuretofusetheshallowdetailfeaturesandhigh-levelsemanticfeaturesofthenetworktoachievemulti-scalefeatureexpression.Thetestresultsshowedthattheaccuracyofthetobaccogradedeterminationofthemethodreached92.8%,whichshowedthatthemethodhadtheabilitytoidentifythetobaccogradewellandcouldbeappliedtoactualproduction.KeywordsTobaccoleafgradedetermination;Deepleaning;Convolutionalneuralnetwork;SENet;Featurefusion基金项目中国烟草公司云南省公司科技计划一般项目(2021530000242043)。作者简介齐玥程(1986—),男,云南昆明人,从事计算机网络与信息研究。∗通信作者,助理工程师,从事计算机网络与信息研究。收稿日期2022-03-14;修回日期2022-05-12烤烟收购和生产过程中最重要的一环就是对烟叶等级进行判定,烟叶等级判定的准确性直接影响烟叶后续的加工和卷烟产品的质量[1]。国内的烟草公...
