来源：期刊VIP网 时间：
作者：胡巧慧;张林;白帆;侯开虎;龙杰;张冀武;
单位：昆明理工大学机电工程学院;云南省烟草质量监督监测站;
摘要：为解决烤烟分级过程中烟叶部位识别混淆、有效特征数量少、识别准确率低等问题，根据烤烟烟叶着生位置建立了包含顶叶（T）、上二棚（B）、腰叶（C）、下二棚（X）和脚叶（P）5个部位的数据集；融合专家经验采用OpenCV图像处理技术将烤烟图像特征进行数字化转换，人工提取烤烟形态、颜色和纹理等155个特征；选取XGBoost(Extreme Gradient Boosting)集成学习算法，利用蜣螂优化算法（Dung Beetle Optimizer,DBO）对XGBoost超参数进行自动寻优，构建了DBO-XGBoost烤烟部位识别模型，并在烤烟分级设备上进行部署验证。结果表明：DBO-XGBoost模型对烤烟部位识别准确率达到98.88%,macro F1-score为0.987 3；使用阈值分割方法提取的橘色、烤红、青色及聚类色占比特征可显著提升模型性能；与XGBoost、支持向量机、随机森林、决策树、ResNet50、MobileNetv3-s、MobileViT-s、YOLOv8-s等经典模型相比，DBO-XGBoost模型识别准确率提高2.37百分点以上，识别速度达到0.3 s/片。所构建的DBO-XGBoost模型能够准确识别烤烟部位，满足实际收购过程中烤烟分级要求。
关键词：烤烟;部位识别;蜣螂优化算法;XGBoost;阈值分割;特征提取
基金资助：中国烟草总公司云南省公司烟叶智能分级重大专项“基于烤烟基础样品的人工智能分级模型建立及应用”（2021530000241012）;中国烟草总公司云南省公司科技计划重点项目“烟叶智能化分级设备的研发与应用”（2020530000241003）
