烟草叶的智能识别在治愈过程中通过深度神经网络表示状态
Qiang Xu1, Yanling Zhang1, Aiguo Wang1
1Tobacco Agricultral Labaratory, Zhengzhou Tobacco Research Institute of China National Tobacco Corporation (CNTC), Zhengzhou, China.
Frontiers in plant science
|July 17, 2025
概括
这项研究引入了一种深度学习方法,用于在工业固化过程中识别烟草叶的形态. 该方法准确地识别了黄色,棕色和干燥,改善了烟草的质量控制.
科学领域:
- 农业工程 农业工程
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 监测烟叶状况对于农业自动化至关重要.
- 现有的研究往往忽略了形态状态,并使用有限的非工业数据集.
- 在真正的工业固化环境中识别烟草叶形态存在差距.
研究的目的:
- 开发和评估一个深度学习框架,用于识别工业制中的烟草叶的形态状态.
- 通过使用大规模的工业数据集来解决先前研究的局限性.
- 提高烟草固化过程的准确性和自动化.
主要方法:
- 创建了一个全面的,大规模的数据集的烟草叶从工业固化谷仓在中国.
- 使用深度学习算法来识别黄色,棕色和干燥的程度.
- 在工业数据集上提出并验证了一种高效的深度学习方法.
主要成果:
- 预测准确度达到83.0%的黄化,90.5%的化和75.6%的干燥.
- 总体平均准确率达到83%,符合实际应用要求.
- 开发的框架在工业环境中证明了有效的形态状态识别.
结论:
- 拟议的深度学习框架成功实现了工业烟草制中的形态状态识别.
- 该技术支持对固过程进行参数优化.
- 这项研究有助于通过自动化监测提高烟草质量.


