Abstrak
LATAR BELAKANG
Dalam proses penyortiran tembakau, pembuangan bahan-bahan yang tidak terkait dengan tembakau (NTRM) sangat penting untuk kualitas produk tembakau. Karena ukuran NTRM yang kecil dan banyaknya serta penumpukan daun tembakau, deteksi NTRM masih sulit.
HASIL
Berdasarkan YOLOv8s (You Only Look Once, versi 8, kecil), penelitian saat ini mengusulkan model YSFER-Tobacco (YOLOv8s-SPDConv-FasterNet-EMA-RTDETRDecoder-Tobacco) yang efisien untuk mendeteksi NTRM. Kami mengganti beberapa konvolusi pengambilan sampel ke bawah di backbone dengan modul SPDConv dan merekonstruksi modul C2f menggunakan FasterNet dan EMA untuk mengurangi operasi konvolusi yang berlebihan dan meningkatkan kemampuan ekstraksi fitur. Terakhir, RTDETRDecoder dari RT-DETR digunakan untuk meningkatkan komponen kepala, sehingga menghasilkan identifikasi target ujung ke ujung yang lebih efisien. Hasil eksperimen menunjukkan bahwa YSFER-Tobacco mencapai kinerja model yang baik, dengan F1, mAP50, recall, dan presisi masing-masing mencapai 96,1%, 97,2%, 95,7%, dan 96,5%, dibandingkan dengan YOLOv8 yang meningkat sebesar 2,5%, 0,9%, 3,2%, dan 1,7%. YSFER-Tobacco juga mengungguli model deteksi objek klasik lainnya untuk mendeteksi NTRM dalam proses penyortiran tembakau.
KESIMPULAN
Studi kami menunjukkan keefektifan dan keunggulan YSFER-Tobacco, yang memberikan dukungan teoritis untuk menilai kualitas pemilahan tembakau, dan memiliki prospek aplikasi yang menjanjikan. Selain itu, kami mereplikasi lingkungan pemilahan tembakau dan membuat kumpulan data pertama, Tobacco-2619, yang berisi 2619 gambar yang jelas dengan NTRM. Kumpulan data dan kode tersedia daring ( https://github.com/Ikaros-sc/Tobacco ). © 2025 Society of Chemical Industry.
