来源：期刊VIP网 时间：
作者：王树才;黄开虎;丁美宙;纪晓楠;陶栩;
单位：华中农业大学工学院;河南中烟工业有限责任公司技术中心;
摘要：为实现真假卷烟的快速识别，基于卷积神经网络ConvNeXt模型提出一种不同品牌卷烟烟丝分类识别方法。采集4种品牌卷烟的真假烟丝图像，制作深度学习数据集。基于ConvNeXt模型，引入卷积注意力模块（Convolutional Block Attention Module,CBAM），提高模型的特征提取能力；搭建特征金字塔结构，实现不同尺度的特征融合，增强模型对烟丝图像的特征表达能力；在多尺度融合结构中引入GhostNetV2卷积，降低模型复杂度和计算量。将改进后ConvNeXt＿CM模型以及常用的图像分类模型ResNet50、DensNet121、EfficientNetV2进行对比测试，结果表明：(1)相比原始ConvNeXt-模型，ConvNeXt＿CM模型的宏F1分数达到95.46%，平均精度值达到87.13%，宏精确度与宏召回率分别提升6.08、6.13百分点，模型大小为27.31 M，识别单张图像平均用时0.024 s/张。(2)与ResNet50、DensNet121、EfficientNetV2模型相比，ConvNeXt＿CM模型图像识别性能更加优异，宏F1分数分别提升21.94、20.19、31.05百分点。该方法可为提升模型的图像识别能力、完成烟丝分类识别任务提供支持。
关键词：卷烟;烟丝图像;ConvNeXt;真假识别;卷积神经网络
基金资助：烟草行业烟草加工形态研究重点实验室项目“烟草物料二维形态特征与成丝特性研究”（A202019）
