典型文献
基于深度神经网络的卷烟燃烧锥落头检测和分类识别
文献摘要：
为提高卷烟质量评价过程中燃烧锥落头倾向的判断效率和准确性,构建了卷烟燃烧锥落头检测和分类识别模型.测试了100种市售卷烟的燃烧锥落头倾向,对收集的卷烟燃烧锥图像进行缺陷剔除、分类标注以及特征增强或减弱等处理后分别建立落头检测数据集和落头分类识别数据集;选取ResNet、MobileNet和ViT(Vision Transformer)作为主干网络建立3个深度神经网络模型,利用燃烧锥落头图像对模型进行训练,并采用精确率(P)、召回率(R)、f1分数以及模型容量对模型表现进行评估.结果表明:①3个模型均能较好地进行落头检测(模型损失值L<0.05,P>99％,R>99％),但Vi T模型在落头分类识别测试集上的损失值一直未能收敛,不适用于落头分类识别(P=86.05％,R=76.04％);②基于f1分数和模型容量优选出的MobileNet模型具有准确度高、运算速度快等优势,对落头检测和落头分类识别的平均精确率分别为99.64％和89.50％.该方法可为研究卷烟表观燃烧性能提供支持.
文献关键词：
卷烟;燃烧锥;落头倾向;深度神经网络;模型评估
中图分类号：
作者姓名：
钟宇;周建良;徐燕;刘德祥;王宏强;徐羽鹏;周明珠;董浩;刘勇;胡清源
作者机构：
新疆维吾尔自治区烟草质量监督检测站,乌鲁木齐经济技术开发区天柱山街55号 830026;上海新科乾物联技术有限公司,上海市松江区洞泾镇长兴东路1586号 201619;国家烟草质量监督检验中心,郑州高新技术产业开发区翠竹街6号 450001;中国科学院合肥物质科学研究院,合肥市蜀山湖路350号 230031;中国科学技术大学,合肥市金寨路96号 230026
文献出处：
引用格式：
[1]钟宇;周建良;徐燕;刘德祥;王宏强;徐羽鹏;周明珠;董浩;刘勇;胡清源-.基于深度神经网络的卷烟燃烧锥落头检测和分类识别)[J].烟草科技,2022(10):96-101
A类：
落头倾向
B类：
卷烟燃烧,燃烧锥,卷烟质量,评价过程,分类识别模型,市售,特征增强,检测数据集,别数,ResNet,MobileNet,ViT,Vision,Transformer,主干网络,深度神经网络模型,精确率,召回率,f1,损失值,测试集,燃烧性能,模型评估
AB值：
0.278234
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
