基于深度学习的烟叶等级分类及特征可视化

为探索深度学习技术在烟叶图像上的特征提取效果，提出了一种基于卷积神经网络（Convolutional Neural Network,CNN）模型的烟叶等级分类方法，并对模型关注的烟叶特征进行了可视化分析。通过图像预处理得到高分辨率的局部烟叶图像，以弥补全局烟叶图像缩放后导致烟叶细节信息丢失；利用改进的CNN模型VGG-16和ResNet-50分别提取烟叶全局和局部图像特征；构建分类器对烟叶全局和局部图像的特征向量进行分类和结果融合；采用类别激活图（Class Activation Map,CAM）技术绘制模型关注烟叶特征的热力图。结果表明：提出的方法对6个等级的烟叶分级准确率达到84.71%，单张烟叶图像测试时间为17.87 ms；特征热力图显示ResNet-50模型对烟叶病斑、皱褶、主脉和纹理走势等局部特征较为敏感。该方法可为实现烟叶快速、准确分级提供支持。