摘要
在烟草（Nicotiana tabacum L.）叶片烘烤过程中，常因多种因素影响产生各种类型的非合格烟叶，显著降低了烘烤烟叶的可用价值。基于不同的形成机制，缺陷烟叶大致可分为八种类型，包括蒸片、黑糟片、水渍脉/片、青黄片、霉变叶、过红烘烤叶、灰斑片和受毒素损伤叶。传统的人工感官分类方法主观性强且易出错，阻碍了对烘烤缺陷的早期检测与干预。为了提高缺陷烟叶分选的准确性、便捷性和自动化水平，本研究开发了一款集成机器视觉与机器及深度学习技术的移动智能识别应用程序。该应用程序采用创新的双模式架构：一种利用随机森林算法进行无网络连接操作的离线模式，分类准确率为 85.8%；以及一种通过云协作采用视觉自监督预训练（VIMER-CAE）模型的在线模式，识别准确率为 90.4%。除了精确识别外，该应用程序还结合了原因分析与预防建议，除智能手机外无需专用设备或人工干预。与传统经验方法相比，该应用程序用机器视觉分析取代主观判断，并提供工艺优化指导以减少烟叶质量损失。其便携式、高精度和智能设计为烘烤过程控制提供了创新解决方案，帮助烟农提高生产效率和经济效益，同时促进烟草种植的标准化和智能化发展。
通俗语言摘要
在烟草烘烤过程中，因多种影响因素常产生各种非合格烟叶，显著降低了其可用价值。传统的人工识别方法主观性强且易出错，阻碍了问题的及时检测。为解决此问题，本研究开发了一款集成机器视觉和机器学习技术的移动智能识别应用程序，具有双离线和在线模式。在离线模式下，使用随机森林算法，识别准确率达到 85.8%；在在线模式下，通过云协作采用 VIMER-CAE 模型，将准确率提高至 90.4%。该应用程序不仅能准确识别缺陷烟叶，还提供原因分析和预防建议。它用机器视觉分析取代主观判断，并提供工艺优化指导以减少烟叶质量损失。
利益冲突声明
作者声明无利益冲突。
数据可用性声明
本文结果背后的数据目前不公开可用，但可在合理请求下从作者处获得。
