摘要
[背景]实时的烟叶状态识别和烘烤阶段判别是实现烘烤工艺精准调节和建立烟叶智能烘烤系统的关键技术.目前烟叶烘烤状态识别方面的研究受到模型规模的制约,难以应用于实际生产,因此有必要研究高精度轻型识别模型.[过程]采用工业摄像头和补光灯组成的图像采集系统采集烘烤过程的烟叶图像,通过伽马变换和HSI颜色空间转化并对烟叶数据集进行处理,使用改进的轻量级EfficientNetB0模型进行训练,并在Jetson Nano嵌入式开发板上进行模型可行性测试.[结果]改进模型在测试集上的准确率达到了96.13％,参数量仅为2.74 M,相比于原始EfficientNetB0,改进模型的识别准确率提高了1.59％,参数量减少了48.50％.在Jetson Nano开发板上,相比于MobileNetv2、MobieleNetv3等轻型模型,改进模型的识别速度和准确率均有明显提升.[结论]改进的EfficientNetB0模型可以实现烟叶烘烤阶段的快速、精准识别.同时本研究可为烟叶智能烘烤系统的建立提供了理论依据和现实参考.
基金项目
中国烟草总公司云南省公司科技重大项目(2021530000241036)
国家科技期刊平台
NSTL
维普
万方数据