基于YOLOV3模型的卷烟厂烟虫识别方法

为解决卷烟厂烟虫(本研究中特指烟草甲)难识别、识别不精准和难以及时掌握虫情等问题,实现烟虫的精准、高效检测,采用YOLOV3模型对烟虫进行实时检测,并采用数据增强技术和k-means++聚类方法提供充足的数据和较理想的先验框训练YOLOV3模型,以提高模型对位置、烟丝和烟末杂质等的鲁棒性。分析经训练好的YOLOV3模型准确性和抗干扰能力,结果表明:①经训练好的YOLOV3模型能够对卷烟厂烟虫进行精准检测,验证集和测试集中检测精度均达到95%以上,每帧检测速度分别为0.112 1 s和0.129 2 s,能够满足卷烟厂对烟虫检测精度和速度的要求。②经训练好的YOLOV3模型对黏板位置、烟丝、烟末等杂质具有一定的抗干扰能力,具备在复杂环境下安装部署的条件。③基于YOLOV3模型设计的烟虫报警处理系统能够精准检测出烟虫的数量、一定时间内烟虫的增加量及其位置。该系统在废烟处理机和烟梗分离器中取得了较好的应用效果。