基于深度学习技术的烟梗形态分类与识别

• 作者: 肖雷雨 王澍 刘渊根 张龙 王玲 堵劲松 徐大勇
• 来源期刊: 烟草科技
• 关键词: 打叶复烤 深度学习 烟梗 YOLOv3模型 分类 识别
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 烟草工艺|Product Technology
• 页码范围: 65-74
• 页数: 10页
• 分类号: TS443
• 语种: 中文

摘要

为解决打叶复烤中人工分选纯烟梗、梗头及梗含叶检测效率低、识别误差大等问题,基于深度学习方法建立了一种烟梗在线分类识别模型.首先,基于数字图像处理方法对采集到的烟梗图像进行目标提取,制作烟梗数据集;其次,根据烟梗图像特征对原始YOLOv3模型进行改进,构建新的网络结构;然后,使用制作好的烟梗数据对改进后YOLOv3模型进行训练,生成深度学习烟梗分类识别模型;最后,将模型加载于烟梗在线分类识别系统对其性能进行验证.结果表明:所建立模型在测试集上的表现良好,烟梗识别精确度达到95.01％,相比原始YOLOv3模型提高5.97百分点,召回率提高4.76百分点,且均优于SSD与Mask R-CNN等模型;针对不同复杂场景,模型抗干扰能力强,可有效识别出烟梗位置及类别,能够满足烟梗快速分类识别需求.该方法可为提高烟梗分类效率和识别精度提供支持.