陈思昂 ， 赵海瑞 ，申屠洪钎 ，邓羽翔 ，杨 杰 ，周 东 ，高 旭 ，袁 凯 ，刘 冰

（1.四川中烟工业有限责任公司技术中心，四川 成都 610000；2.上海创和亿电子科技发展有限公司，上海 200082）

0 引言

近年来，重点卷烟品牌不断发展壮大，产销量不断增加，高规烟占比不断提高，企业对于原料的质量把控愈发严格，使得烟叶原料质量保障战略变得尤为重要，而烟叶原料质量保障离不开烟叶分选的准确性。目前，烟叶分选主要依赖于人工，但每个人的评选标准存在偏差，导致烟叶质量标准不一，且人工分选效率低下，该方式已无法满足现阶段烟叶分选标准、规范、高效的客观要求。随着深度学习卷积神经网络的飞速发展，其已广泛应用于农作物病虫害监测、农作物分类等农业生产活动上，并取得了一定成果[1]。在烟叶分级领域，传统的分级方法主要有机器学习和模糊数学，姚学练等[2]基于主成分分析、遗传算法和支持向量机提出了PCA-GA-SVM的烟叶分级方法，烟叶分级的准确率相较于单一的SVM、GASVM模型有一定提升；戴建民等[3]则基于多特征模糊识别进行了烟叶分级。在烟叶分级领域使用相对广泛的是卷积神经网络，因其具有更强的非线性能力，可以表征图像更深层次的特征。李胜[4]采用传统的图像特征提取技术获取到烟叶外观特征，再运用深度卷积神经网络对其进行分类。王士鑫等[5]结合inceptionV3卷积神经网络与极值点跳跃算法对烟叶进行分级，一定程度上解决了人工烟叶分级造成的合格率低、分级标准不一致的问题。……