基于残差神经网络的烟丝类型识别方法的建立

为快速、准确地识别叶丝、梗丝、膨胀叶丝、再造烟叶丝等烟丝类型,利用各类烟丝图像特征差异,以残差神经网络为基础构建了识别模型,并对模型的预训练权值、优化算法、学习率等超参数进行了研究,结果表明:①基于残差神经网络的识别方法可以有效识别4种类型烟丝,相比基于卷积神经网络的识别方法,模型具有更高的识别率、泛化能力与鲁棒性。②较优超参数对模型的训练速度及表现影响显著,通过训练得到的模型在测试集上的准确率及召回率均高于96%,且与训练集表现差异较小。该方法可为提高烟丝类型识别效率和准确性提供支持。