基于轻量化MobileViT深度学习模型的烤烟自动分组方法

作     者：顾文娟 丁灿 盖小雷 刘宇晨 张冀武 张晓伟 孙浩巍 张轲 王燕 龙杰 GU Wenjuan;DING Can;GAI Xiaolei;LIU Yuchen;ZHANG Jiwu;ZHANG Xiaowei;SUN Haowei;ZHANG Ke;WANG Yan;LONG Jie

作者机构：机电工程学院昆明理工大学昆明650500 中国烟草总公司云南省公司昆明650200 云南省烟草质量监督检测站昆明650106 

出 版 物：《中国烟草科学》 (Chinese Tobacco Science)

年 卷 期：2024年第45卷第1期

页      面：104-111,120页

学科分类：082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 09[农学] 0901[农学-作物学] 

基　　金：中国烟草总公司云南省烟草公司科技计划重点项目(2020530000241003、2021530000241012) 

主　　题：烤烟自动分组 轻量化 MobileViT模型 

摘      要：针对烟叶自动识别分组过程中特征提取困难、分组准确率低、模型参数量大、部署困难等问题,本文结合轻量化网络MobileNetV2与ViT模型的优点提出了一种轻量化MobileViT模型的烤烟自动分组方法。首先对所采集的烟叶图像进行前景和背景的预处理,解决提取烟叶特征困难的问题;然后将预处理后的图像建立成完整的烟叶图像数据集;最后针对建立的数据集使用基于轻量化MobileViT模型进行分组。使用该模型对云南省多地收购的5871张混合烤烟叶片进行分组试验,结果表明MobileViT对正组烟叶、副组烟叶和正副混合组烟叶分组准确率分别达到了79.44%、83.83%、79.22%,与MobileNetV2相比分别提升了9.5%、17.66%、17.56%;与ViT模型相比分别提升了13.8%、30.83%、34.12%。与当前应用较多的MobileNetV3、Effcient、Resnet50三种模型相比,MobileViT模型在混合组上分组准确率较轻量化MobileNetV3网络提升了11.86%;较CNN为代表的Effcient、Resnet50模型分别提升了9.6%、6.55%,模型大小降低了24.62%、79.1%。轻量化MobileViT模型同时结合了轻量化网络MobileNetV2与ViT模型的优点,在降低模型大小的同时具有较高的分组准确率,更容易部署在工业设备中,符合实际工业应用需求。