来源：期刊VIP网 时间：
作者：汤红忠;高尚;陈亚双;杜薇;杨俊杰;徐大勇;堵劲松;张雷;罗登炎;范明登;
单位：湘潭大学自动化与电子信息学院;山东中烟工业有限责任公司;四川中烟工业有限责任公司;江西中烟工业有限责任公司技术中心;中国烟草总公司郑州烟草研究院;郑州轻工业大学电气信息工程学院;福建中烟工业有限责任公司技术中心;福建省龙岩金叶复烤有限责任公司;
摘要：为解决烟叶叶脉形态参数计算效率低、人工误差大、批量处理能力不足等问题，基于高光谱图像和深度学习技术，构建了烟叶叶脉分割网络（Tobacco Vein Network,TVU-Net），并提出了一种形态参数智能测量方法。采用主成分分析（Principal Components Analysis,PCA）对高光谱烟叶图像数据进行降维，提取关键特征波长并减少数据冗余；通过TVU-Net实现叶脉的细粒度分割，该网络主要包括可变形卷积（Deformable Convolution,DC）、CBAM(Convolutional Attention Block Module)和ASPP(Atrous Spatial Pyramid Pooling)模块。结果表明：(1)与SegNet、U-Net、U-Net++、TransUnet及FR-UNet相比，TVU-Net的平均精确率、准确率、平均交并比（mean Intersection over Union,mIoU）及mDice系数均最高。(2)TVU-Net的分割噪声更少，能够更加完整地还原叶脉的整体结构，且可同时捕获主脉全局信息和支脉局部细节特征，具备对复杂叶脉结构的高精度分割能力。(3)随机选取的50张烟叶样本主脉长度的平均绝对误差为2.67 cm，平均相对误差为4.710%，结果具有较高的准确性。该研究为烟草自动化工业中叶脉形态分析与参数测量提供了理论参考。
关键词：烟叶;;高光谱图像;;深度学习;;叶脉分割;;形态参数测量
基金资助：中国烟草总公司重点研发项目计划项目“梗签形成机制及大工艺协同控制技术研究与应用”(110202202010);; 国家烟草专卖局标准项目专项“打叶烟叶烟叶含梗率的测定光谱成像法”(2024B007)
