文献类型： 中文期刊

作者： 闫九福 ¹ ; 冉茂 ² ; 朱荣光 ³ ; 王松峰 ¹ ; 徐小洪 ² ; 杨超 ⁴ ; 张学杰 ⁵ ; 孙福山 ¹ ; 孟令峰 ¹ ;

作者机构： 1.中国农业科学院烟草研究所农业农村部烟草生物学与加工重点实验室

2.中国烟草总公司重庆市公司

3.石河子大学机械电气工程学院

4.中国烟草总公司重庆市公司彭水分公司

5.中国烟草总有限责任公司

关键词： 烟叶;烘烤阶段;卷积神经网络;长短期记忆神经网络;识别模型;准确率

期刊名称： 烟草科技

ISSN： 1002-0861

年卷期： 2024 年 57 卷 008 期

页码： 104-112

收录情况： 北大核心

摘要： 为解决烟叶烘烤过程中无法实时观察烟叶状态而导致烘烤工艺不匹配等问题，基于卷积神经网络（Convolutional Neural Network）和长短期记忆神经网络（Long Short-Term Memory）建立一种烟叶烘烤阶段识别CNN-LSTM模型。采用由工业相机和拍摄光源组成的图像采集装置采集烘烤过程中的烟叶图像数据，根据烟叶颜色、纹理变化将采集的图像数据划分为10个烘烤阶段，通过所建立的CNN-LSTM模型进行验证并与其他3种常用识别模型CNN、ResNet50和Inception-ResNet v2进行对比。结果表明：(1)CNN-LSTM模型对10个烘烤阶段训练集、验证集的识别准确率分别为99.55%和98.70%；对测试集的识别准确率和平均F1分数分别达到99.58%和99.36%，相比Inception-ResNet v2模型分别提高1.17和1.72百分点；(2)CNN-LSTM模型判断错误的样本远少于其他3种模型且大多为相邻烘烤阶段，从而有效保证烘烤工艺相匹配。该方法可为实现烟叶烘烤阶段快速和准确识别提供支持。