APP下载

基于深度学习技术的烟梗形态分类与识别

2021-06-24肖雷雨刘渊根堵劲松徐大勇

烟草科技 2021年6期
关键词:分类特征模型

肖雷雨,王 澍,刘渊根,张 龙,王 玲,堵劲松,徐大勇*

1.安徽大学物质科学与信息技术研究院,合肥市蜀山区九龙路111 号 230601

2.中科院合肥物质科学研究院,合肥市蜀山湖路350 号 230031

3.中国烟草总公司郑州烟草研究院,郑州高新技术产业开发区枫杨街2 号 450001

4.安徽省烟草公司,合肥市政务区潜山南路666 号 230072

烟梗作为卷烟的主要原料之一,可以将其加工制成填充值高、燃烧性好的梗丝或梗粒,对于减害降焦、降低配方成本、改善卷烟物理质量具有重要作用。因此,长梗率、梗中含叶率、粗梗率、梗头比例等是衡量卷烟产品质量和加工水平的重要指标,且对切丝后梗丝结构、出丝率、梗签比例以及卷烟物理质量具有显著影响。针对此,李金学等[1]研究了梗丝结构对卷烟质量稳定性的影响;白永忠等[2]发现不同类别烟梗制成的梗丝在物理、化学、感官品质方面均存在差异。根据国家烟草专卖局《打叶复烤技术升级重大专项实施方案》,目前行业内打叶复烤技术与整个卷烟生产产业链相比明显处于滞后状态,亟需进行数字化技术升级。其中,烟梗的长梗率、梗中含叶率(梗含叶)、梗头比例及粗梗率等指标仍依靠人工在线取样检测,并采用“四分法”等方法进行分类,劳动强度高,检测误差大。因此,建立能够快速、准确识别烟梗形态和特征参数的方法,实现烟梗质量在线检测,对于提高打叶复烤和制丝加工工艺水平具有重要意义。近年来,计算机视觉技术在农作物生产管理和质量检测方面已有广泛应用,田有文等[3]对葡萄的病害图像进行处理和分类;……

登录APP查看全文

猜你喜欢

分类特征模型
一半模型
分类算一算
重尾非线性自回归模型自加权M-估计的渐近分布
如何表达“特征”
不忠诚的四个特征
教你一招:数的分类
3D打印中的模型分割与打包
线性代数的应用特征