基于深度学习的烤烟分级研究与应用  

作　　者：臧传江 李更新[2] 赵湘江[2] 董玉双 娄欣东 李强 

机构地区：[1]中央民族大学信息工程学院 [2]山东潍坊烟草有限公司 [3]上海烟草集团有限责任公司 [4]山东中烟工业有限责任公司

出　　处：《上海轻工业》2024年第4期142-144,共3页Shanghai Light Industry

摘　　要：文章借助烟叶的高光谱数据对烤烟分级因素数字化解析和主流烤烟分级方法展开优劣性分析,提出了一套基于卷积神经网络部位和颜色分类的综合性分级方法。研究采用256段波段高光谱相机获取数据信息,通过调取RGB波段映射RGB颜色空间,完成数据集的预处理,并通过卷积神经网络训练模型参数,浓缩为实际贴合性最强的C2F、C3F、C3L、B2F、B3F及X2F的分类结果,同时通过严格要求规范化环境、白板校对的方式有效降低了误差率。结果表明,相较于其他对比算法,算法准确率的最大提升比例为15.1%,算法准确率为97.54%,算法能够在较短迭代次数中实现模型收敛,算法预测执行时间在7 s以内,可以满足实际生产需求。

关 键 词：CNN 高光谱 烟叶分级 机器视觉 

分 类 号：S57[农业科学—作物学]