文献类型：期刊文章

作　　者：汪睿琪[1] 张炳辉[2] 顾钢[2] 沈少君[3] 林晓路[3] 林建枫[4] 杜超凡[3] 张文伟[4] 陈承亮[5] 谢小芳[1]

WANG Ruiqi;ZHANG Binghui;GU Gang;SHEN Shaojun;LIN Xiaolu;LIN Jianfeng;DU Chaofan;ZHANG Wenwei;CHEN Chengliang;XIE Xiaofang(College of Life Sciences,Fujian Agriculture and Forestry University,Fuzhou 350002,China;Institute of Tobacco Science,Fujian Provincial Tobacco Company,Fuzhou 350003,China;Longyan tobacco company,Longyan 364000,China;Nanping tobacco company,Nanping 364200,China;Jianning Branch of Sanming Tobacco Company,Jianning 362000,China)

机构地区：[1]福建农林大学生命科学学院,福州350002 [2]福建省烟草专卖局烟草科学研究所,福州350003 [3]福建省烟草公司龙岩市公司,龙岩市364000 [4]福建省烟草公司南平市公司,南平市353000 [5]福建省三明市烟草公司建宁分公司,三明市362000

出　　处：《中国烟草学报》

基　　金：中国烟草总公司福建省公司科技计划项目“鲜烟成熟度智能化检测技术研究”(2019350000240137);福建省烟草公司南平市公司科技计划项目“翠碧一号烟叶挂灰机理及其防控技术研究”(NYK2021-10-03)。

年　　份：2023

卷　　号：29

期　　号：2

起止页码：46-55

语　　种：中文

收录情况：BDHX、BDHX2020、CAB、CAS、CSCD、CSCD_E2023_2024、DOAJ、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：【背景和目的】烟叶成熟度的准确判定和适时采收是提高烟叶质量的关键,为提高烟叶成熟度判定的准确性。【方法】以翠碧一号(CB-1)的鲜烟叶为研究对象,采用手机拍摄上、中、下3个部位5个成熟度(M1~M5)烟叶图像,利用labelimg软件从原始的图像中获取目标烟叶图像二维坐标信息,通过轻量级网络You Only Look Once(YOLO)v5进行数据训练,构建烟叶5个成熟度识别模型。【结果】CB-1的上、中、下3个部位模型中的m AP值均达到0.9以上,平均准确率分别为93.6%,92.8%,95.2%。进一步将模型部署到云服务器、并配套开发了基于Android端的烟草成熟度智能识别应用程序,实现在大田环境下响应式的鲜烟叶成熟度等级判断。【结论】基于YOLOv5模型的智能识熟APP可有效、准确地判定鲜烟叶成熟度。本研究结果可为鲜烟叶成熟度的智能识别提供理论基础和技术支撑。

关 键 词：鲜烟叶  成熟度 YOLOv5  深度学习  目标检测

分 类 号：TS41]