基于YOLOv3改进算法的烟叶原料烟草甲识别方法研究
张卫正1
陈赛越扬1
王艳玲1
帖金鑫2
丁佳3
李萌4
李灿林1
苏晓珂1
甘勇1
1.郑州轻工业大学 计算机科学与技术学院,河南 郑州 4500012.浙江中烟工业有限责任公司宁波卷烟厂,浙江 宁波 3150403.河北中烟有限责任公司,河北 石家庄 0500514.郑州轻工业大学 烟草科学与工程学院,河南 郑州 450001
摘要：为了解决烟叶原料中烟草甲人工识别效率低、不准确的问题,实现烟草甲的精准、智能识别,提出一种基于YOLOv3改进算法的烟草甲识别模型.首先采用Random Mix数据增强技术扩充烟草甲数据集;然后,通过引入K-means++算法重新聚类锚框,改进YOLOv3对于烟草甲的识别能力;使用SIoU Loss改进YOLOv3的边界框损失函数,提高模型定位的准确性,加速模型收敛;最后加入特征细化模块过滤冲突信息,优化模型对烟草甲数据集中小目标识别的精准度.结果表明,改进的YOLOv3网络模型对测试集中烟草甲的平均检测精确率、召回率、F1分数和平均精度均值(mAP)分别达到93.26%、88.25%、0.90和94.59%,分别比现有的YOLOv3算法提高了12.21百分点、11.79百分点、0.12、12.40百分点,可为烟草甲的有效识别提供支撑.
关键词：烟叶烟草甲YOLOv3改进算法数据增强损失函数目标识别
分类号：S126(农业物理学)TP391.4(计算技术、计算机技术)
资助基金：河南省科技攻关项目(222102210037)河南省高等教育教学改革研究与实践重点项目(2021SJGLX189)浙江中烟工业有限责任公司科技项目(ZJZY2023D020)
论文发表日期：2023-11-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：10( 157-166 )
英文信息