近日，中國農業科學院煙草研究所煙草智慧農業創新團隊構建了一個可以用于識別煙葉烘烤階段的輕量級分類網絡模型（TCSRNet），相關研究成果發表于《植物科學前沿（Frontiers in Plant Science）》。

隨著智能農業技術的快速發展，煙葉烘烤過程的自動化監測和精準評估已成為行業關注的重點。然而，受限于煙葉烘烤環境的復雜性和計算資源的約束，現有的圖像分類模型很難在識別精度和計算效率之間取得平衡，限制其在實際生產中的應用部署。

為解決上述問題，團隊成員提出了輕量化的分類模型—TCSRNet，將Inception結構、Ghost卷積和MAAM注意力集成于煙葉烘烤階段識別模型中，能夠有效平衡模型的識別精度、計算效率和泛化性能。在所構建的煙葉烘烤階段數據集上，與其他經典分類網絡進行了對比實驗，TCSRNet模型的準確率達到90.3％，計算復雜度和參數量也僅為158.136 M和1.749 M，較其他輕量級網絡分類模型展現出明顯的優勢，為實現復雜烤房環境下的實時自動化監測和質量評估提供可靠的技術支撐。

煙草所研究生趙泮真為論文第一作者，王松峰副研究員為通訊作者。該研究得到了中國農業科學院科技創新工程、中國煙草總公司科技重點項目和中國煙草總公司江西省煙草公司科技項目等項目的支持。

煙葉烘烤階段識別網絡的結構圖

MAAM注意力圖