国家技术监督局. 烤烟: GB 2635—1992[S]. 北京: 中国标准出版社, 1992.
庄珍珍, 祝诗平, 孙雪剑, 等. 基于机器视觉的烟叶自动分组方法[J]. 西南师范大学学报(自然科学版), 2016, 41(4): 122-129.
张珂, 冯晓晗, 郭玉荣, 等. 图像分类的深度卷积神经网络模型综述[J]. 中国图象图形学报, 2021, 26(10): 2305-2325.
李士静, 潘羲, 陈熙卓, 等. 基于高光谱信息的烟叶分级方法比较[J]. 烟草科技, 2021, 54(10): 82-91.
胡善科, 秦玉华, 段如敏, 等. 联合矩阵局部保持投影的近红外光谱特征提取[J]. 光谱学与光谱分析, 2020, 40(12): 3772-3777.
向金海, 杨申, 樊恒, 等. 基于稀疏表示的烤烟烟叶品质分级研究[J]. 农业机械学报, 2013, 44(11): 287-292.
周志华. 机器学习[M]. 北京: 清华大学出版社, 2016.
GU J X, WANG Z H, KUEN J, et al. Recent Advances in Convolutional Neural Networks[EB/OL]. (2017-10-19)[2023-11-27]. https://arxiv.org/abs/1512.07108.
王戈, 丁冉, 徐玮杰, 等. 计算机视觉和智能识别技术在烤烟烟叶分级中的应用[J]. 计算机与应用化学, 2019, 36(5): 548-553.
KETKAR N, MOOLAYIL J. Deep Learning with Python: Learn Best Practices of Deep Learning Models with PyTorch[M]. 2nd ed. Berkeley, CA: Apress, 2021.
MARZAN C S, RUIZ C R Jr. Automated Tobacco Grading Using Image Processing Techniques and a Convolutional Neural Network[J]. International Journal of Machine Learning and Computing, 2019, 9(6): 807-813. doi: 10.18178/ijmlc.2019.9.6.877
李海杰. 基于机器视觉的烟草异物检测和烟叶分类分级方法研究[D]. 南京: 南京航空航天大学, 2016.
曾祥云. 一个基于深度学习的烤烟分级系统的设计与实现[D]. 南京: 东南大学, 2017.
王士鑫, 云利军, 叶志霞, 等. 一种基于卷积神经网络的烟叶分级处理算法[J]. 云南民族大学学报(自然科学版), 2020, 29(1): 65-69.
陈鹏羽, 张洪艳, 贺威. 基于多尺度特征融合细粒度分类网络的扎把烟叶分级方法[J]. 安徽农业大学学报, 2022, 49(6): 1013-1021.
SWASONO D I, TJANDRASA H, FATICHAH C. Classification of Air-Cured Tobacco Leaf Pests Using Pruning Convolutional Neural Networks and Transfer Learning[J]. International Journal on Advanced Science, Engineering and Information Technology, 2022, 12(3): 1229. doi: 10.18517/ijaseit.12.3.15950
鲁梦瑶, 周强, 姜舒文, 等. 基于深度学习与多尺度特征融合的烤烟烟叶分级方法[J]. 中国农机化学报, 2022, 43(1): 158-166.
宋怀波, 华志新, 马宝玲, 等. 基于SimCC-ShuffleNetV2的轻量化奶牛关键点检测方法[J]. 农业机械学报, 2023, 54(10): 275-281.
XU X M, ZHANG Y Q, CAO H C, et al. Recognition of Edible Fungi Fruit Body Diseases Based on Improved ShuffleNetV2[J]. Agronomy, 2023, 13(6): 1530. doi: 10.3390/agronomy13061530
彭红星, 何慧君, 高宗梅, 等. 基于改进ShuffleNetV2模型的荔枝病虫害识别方法[J]. 农业机械学报, 2022, 53(12): 290-300.
何艳, 夏志林, 祝诗平, 等. 基于机器视觉的穴盘烟苗自动间苗算法研究[J]. 云南农业大学学报(自然科学), 2019, 34(1): 50-57.
苏明秋. 基于烟叶图像的参数精确提取和分级识别系统研究与实现[D]. 成都: 电子科技大学, 2020.
韩东伟, 王小明, 王新峰. 基于深度学习网络的烟叶质量识别[J]. 安徽农业科学, 2018, 46(10): 185-188.
MA N N, ZHANG X Y, ZHENG H T, et al. ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design[EB/OL]. (2018-07-30)[2023-11-27]. https://arxiv.org/abs/1807.11164.
WOO S, PARK J, LEE J Y, et al. CBAM: Convolutional Block Attention Module[C] //Proceedings of the European Conference on Computer Vision (ECCV 2018). Lecture Notes in Computer Science. Cham: Springer International Publishing, 2018: 3-19.
ELFWING S, UCHIBE E, DOYA K. Sigmoid-Weighted Linear Units for Neural Network Function Approximation in Reinforcement Learning[J]. Neural Networks, 2018, 107: 3-11.
蒋镕圻, 叶泽聪, 彭月平, 等. 针对弱小无人机目标的轻量级目标检测算法[J]. 激光与光电子学进展, 2022, 59(8): 109-120.
TAN M X, LE Q V. EfficientNetV2: Smaller Models and Faster Training[EB/OL]. (2021-04-01)[2023-12-10]. https://arxiv.org/pdf/2104.00298.
HOWARD A, SANDLER M, CHEN B, et al. Searching for MobileNetV3[C] //2019 IEEE/CVF International Conference on Computer Vision (ICCV), October 27-November 2, 2019, Seoul, Korea (South). IEEE, 2019: 1314-1324.
YUAN P S, QIAN S Y, ZHAI Z Y, et al. Study of Chrysanthemum Image Phenotype On-Line Classification Based on Transfer Learning and Bilinear Convolutional Neural Network[J]. Computers and Electronics in Agriculture, 2022, 194: 106679.
孙月莹, 陈俊霖, 张胜茂, 等. 基于改进YOLOv7的毛虾捕捞渔船作业目标检测与计数方法[J]. 农业工程学报, 2023, 39(10): 151-162.
ZHANG X Y, ZHOU X Y, LIN M X, et al. ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices[C] //2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition, June 18-23, 2018, Salt Lake City, UT, USA. IEEE, 2018: 6848-6856.
SELVARAJU R R, COGSWELL M, DAS A, et al. Grad-CAM: Visual Explanations from Deep Networksvia Gradient-Based Localization[J]. International Journal of Computer Vision, 2020, 128(2): 336-359.
王泽钧, 马凤英, 张瑜, 等. 基于注意力机制和多尺度轻量型网络的农作物病害识别[J]. 农业工程学报, 2022, 38(S1): 176-183.
童德文, 陈钰, 杜超凡, 等. 开放环境下烟叶等级RGB图像智能识别及判别模型的构建[J]. 贵州农业科学, 2020, 48(3): 131-135.
XIE S N, GIRSHICK R, DOLLÁR P, et al. Aggregated Residual Transformations for Deep Neural Networks[EB/OL]. (2017-04-11)[2023-11-27]. https://arxiv.org/abs/1611.05431.
冯川, 祝诗平, 赵虎, 等. 基于移动式设备的烤烟等级识别模型优选[J/OL]. 计算机仿真, (2023-12-21)[2024-01-17]. https://link.cnki.net/urlid/11.3724.TP.20231220.1610.006.