基于深度学习与多尺度特征融合的烤烟烟叶分级方法

来源：中国农机化学报杂志2022年第1期北京时间：

作者：鲁梦瑶, 周强, 姜舒文, 王聪, 陈栋, 陈天恩,

单位：1. 国家农业信息化工程技术研究中心，北京市，100097； 2. 安徽皖南烟叶有限责任公司，安徽宣城，242000；3. 农芯(南京)智慧农业研究院，南京市，211800

摘要：为实现烤烟等级的快速准确识别，降低人工分级中主观因素对分级结果的影响，提高烟叶分级的准确性和一致性，提出一种基于烤烟RGB图像和深度学习的多尺度特征融合的烟叶图像等级分类方法，采用ResNet50提取烟叶图像特征，并引入基于注意力机制的SE模块（压缩激发模块），增强不同通道特征的重要程度；同时，采用FPN（特征金字塔网络）对提取的由浅及深不同层级的烟叶特征进行融合，以实现烟叶多尺度特征的表达。采集皖南地区6 068个烤烟的正面和背面图像用于建模和分析。结果表明，提出的烟叶分级方法的分级正确率比经典CNN（卷积神经网络）高出5.21%，分级模型在新批次7个等级烟叶上的分级正确率为80.14%，相邻等级的分级正确率为91.50%。因此，采用RGB图像结合深度学习技术可实现烤烟烟叶等级的良好识别，可为烤烟烟叶收购等级评价提供一种新方法。

关键词：烟叶分级,深度学习,图像分类,特征融合,特征金字塔网络,SE模块

基金资助：安徽皖南烟叶有限责任公司科技重点项目（20180563006）