首页|基于多光谱与深度学习技术的皱褶初烤烟叶等级识别

基于多光谱与深度学习技术的皱褶初烤烟叶等级识别

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
为解决皱褶初烤烟叶分级过程中存在的人工成本高、分级效率低等问题,本研究提出一种基于多光谱成像技术结合深度学习的皱褶初烤烟叶等级识别方法.通过使用连续投影算法选取皱褶初烤烟叶高光谱反射图像的12个特征波段,并以此为基础搭建多光谱成像设备,采集了B2F、C2F、C3F和C4F四个等级皱褶初烤烟叶的多光谱反射图像,形成模型训练和验证的数据集.通过改造VGG11网络模型,用上述训练集构建烟叶等级识别网络(tobacco grade identification network,TGIN)模型,用验证集测试该模型烟叶等级识别的正确率为99.8％.针对不同年份的烟叶样本,引入迁移学习方法后,其识别的平均正确率也可达到99.4％.结果显示,TGIN模型能够实现皱褶初烤烟叶等级的快速识别,可为皱褶初烤烟叶自动化等级识别提供理论基础和技术支持.
Grade identification of folded flue-cured tobacco based on multi-spectrum with deep learning

叶大鹏、黄俊昆、秦华、翁海勇、卢敏瑞、王芳、李庆

展开 >

福建农林大学机电工程学院,福建 福州350002

现代农业装备福建省高校工程研究中心,福建 福州350002

福建武夷烟叶有限公司,福建 南平350005

皱褶初烤烟叶 深度学习 多光谱成像技术 烟叶等级识别网络

福建省农业工程高原学科建设项目

712018014

2022

10.13323/j.cnki.j.fafu(nat.sci.).2022.02.019

福建农林大学学报(自然科学版)
福建农林大学

福建农林大学学报(自然科学版)

CSTPCDCSCD北大核心
影响因子：0.582
ISSN：1671-5470
年,卷(期)：2022.51(2)
  • 5
  • 12