基于YOLOv3改进算法的烟叶原料烟草甲识别方法研究

作者：张卫正; 陈赛越扬; 王艳玲; 帖金鑫^*; 丁佳; 李萌^*; 李灿林; 苏晓珂; 甘勇

来源：河南农业科学, 2023, 52(11): 157-166.

DOI：10.15933/j.cnki.1004-3268.2023.11.017

• 烟叶
• 烟草甲
• YOLOv3改进算法
• 数据增强
• 损失函数
• 目标识别

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。

• 单位
  郑州轻工业大学; 浙江中烟工业有限责任公司