近日，中国农业科学院烟草研究所烟草智慧农业创新团队构建了一个可以用于识别烟叶烘烤阶段的轻量级分类网络模型（TCSRNet），相关研究成果发表于《植物科学前沿（Frontiers in Plant Science）》

随着智能农业技术的快速发展，烟叶烘烤过程的自动化监测和精准评估已成为行业关注的重点。然而，受限于烟叶烘烤环境的复杂性和计算资源的约束，现有的图像分类模型很难在识别精度和计算效率之间取得平衡，限制其在实际生产中的应用部署。

为解决上述问题，团队成员提出了轻量化的分类模型—TCSRNet，将Inception结构、Ghost卷积和MAAM注意力集成于烟叶烘烤阶段识别模型中，能够有效平衡模型的识别精度、计算效率和泛化性能。在所构建的烟叶烘烤阶段数据集上，与其他经典分类网络进行了对比实验，TCSRNet模型的准确率达到90.3%，计算复杂度和参数量也仅为158.136M和1.749M，较其他轻量级网络分类模型展现出明显的优势，为实现复杂烤房环境下的实时自动化监测和质量评估提供可靠的技术支撑。

烟草所研究生赵泮真为论文第一作者，王松峰副研究员为通讯作者。该研究得到了中国农业科学院科技创新工程、中国烟草总公司科技重点项目和中国烟草总公司江西省烟草公司科技项目等项目的支持。

烟叶烘烤阶段识别网络的结构图

MAAM注意力图

论文链接：Frontiers | TCSRNet: a lightweight tobacco leaf curing stage recognition network model