李亚召，云利军，叶志霞，王 坤，翟乃琦

(云南师范大学信息学院，云南 昆明 650500)

1 引言

烟叶生产过程一般需要经过初烤、分级、收购、包装、醇化和在线精选等一系列过程，而醇化又直接影响烟叶的品质，所以烟叶醇化是卷烟生产过程中至关重要的环节。由于烟叶醇化环节需要经过2年左右的时间，而在烟叶醇化储藏的过程中，醇化烟叶容易受环境温度、湿度波动的影响而产生霉变[1 - 3]。醇化后的烟叶中含有一些杂物和霉变烟叶，为了达到烟叶打叶制丝环节原料纯净度的质量要求，一般要对醇化后的烟叶进行在线精选。现在常用的烟叶在线精选技术主要是风选除杂技术[4,5]，此技术主要用于烟叶生产中非烟叶类的杂物检测剔除。在霉变烟叶控制方面主要采用的是人工在线手工剔除的方式，该方式存在效率低下、容易漏检等缺点。

随着计算机技术、图像处理技术和机器视觉技术的快速发展，使用传统机器视觉在线精选霉变烟叶的技术已经得到研究和开发[6,7]，主要是利用图像处理技术获取烟叶的颜色和纹理等特征，再利用人工神经网络集成算法进行样本训练、学习和分类。传统机器视觉技术需要人工分析和设计提取的特征，因此提取的特征存在偏差性和主观性，所以存在过程复杂和准确率不够高等缺点。而深度学习中的卷积神经网络CNN(Convolutional Neural Network)通过使用权值共享、局部连接和非线性激活等方式，可以在样本数据中自动学习特征，相对于传统机器学习而言具有更强大的特征学习和表达能力。……