基于深度神经网络的卷烟燃烧锥落头检测和分类识别

作者：钟宇; 周建良; 徐燕; 刘德祥; 王宏强; 徐羽鹏; 周明珠; 董浩^*; 刘勇; 胡清源

来源：烟草科技, 2022, 55(10): 96-101.

DOI：10.16135/j.issn1002-0861.2022.0367

• 卷烟
• 燃烧锥
• 落头倾向
• 深度神经网络
• 模型评估

为提高卷烟质量评价过程中燃烧锥落头倾向的判断效率和准确性，构建了卷烟燃烧锥落头检测和分类识别模型。测试了100种市售卷烟的燃烧锥落头倾向，对收集的卷烟燃烧锥图像进行缺陷剔除、分类标注以及特征增强或减弱等处理后分别建立落头检测数据集和落头分类识别数据集；选取ResNet、MobileNet和ViT(Vision Transformer)作为主干网络建立3个深度神经网络模型，利用燃烧锥落头图像对模型进行训练，并采用精确率（P）、召回率（R）、f1分数以及模型容量对模型表现进行评估。结果表明：(1)3个模型均能较好地进行落头检测（模型损失值L<0.05,P>99%,R>99%），但ViT模型在落头分类识别测试集上的损失值一直未能收敛，不适用于落头分类识别（P=86.05%,R=76.04%）；(2)基于f1分数和模型容量优选出的MobileNet模型具有准确度高、运算速度快等优势，对落头检测和落头分类识别的平均精确率分别为99.64%和89.50%。该方法可为研究卷烟表观燃烧性能提供支持。

• 单位
  中国科学技术大学; 国家烟草质量监督检验中心; 中国科学院合肥物质科学研究院