$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Uporządkowanie tytoniu odnoszą się do stopnia osiowego wyrównania tytoniu w obrębie papierosa. Zrozumienie czynników wpływających na tę właściwość, takich jak morfologia tytoniu i parametry pneumatycznego transportu, jest niezbędne dla optymalizacji procesów cięcia i montażu. W konsekwencji badanie tych czynników wpływających stało się kluczową strategią dla przedsiębiorstw tytoniowych, które dążą do obniżenia kosztów i poprawy efektywności produkcji. Tradycyjna ocena porządku w ciętym tytoniu opiera się na metodach ręcznych, które są nieefektywne i często pozbawione spójności oraz dokładności. Dlatego w branży istnieje pilna potrzeba zautomatyzowanego, precyzyjnego i w czasie rzeczywistym systemu wykrywania, który pozwoli zoptymalizować procesy produkcyjne. Dzięki szybkiemu rozwojowi głębokiego uczenia stała się możliwa zautomatyzowana ocena porządku po ciętym tytoniu oparta na wykrywaniu obiektów. Jednak wdrożenie takich systemów oceny na liniach produkcyjnych pozostaje w dużej mierze niezbadanym tematem badawczym. Niemniej jednak technologia widzenia maszynowego została z powodzeniem zastosowana w zadaniach inspekcyjnych w innych dziedzinach,co stanowi cenne odniesienia dla tego badania. W tym kontekście detektory oparte na splotowych sieciach neuronowych (CNN) stały się dominującym paradygmatem i zazwyczaj dzielą się je na podejścia dwuetapowe, takie jak Faster R-CNN2, oraz jednoetapowe ramy, takie jak seria 3,4 You Only Look Once (YOLO).
W ostatnich latach algorytmy detekcji obiektów oparte na głębokim uczeniu, szczególnie ramy Faster R-CNN, wykazały znaczący potencjał w różnych dziedzinach. Jednak ich bezpośrednie zastosowanie w konkretnych scenariuszach przemysłowych i zawodowych często jest ograniczone przez złożone środowiska operacyjne i unikalne wymagania zadaniowe. W związku z tym zaproponowano liczne dostosowane ulepszenia, aby sprostać tym wyzwaniom. W analizie obrazów medycznych, na przykład, Su i in.5 skupili się na optymalizacji parametrów i udoskonalaniu architektur sieci, aby zwiększyć dokładność wykrywania małych, kluczowych celów w wykrywaniu guzków płucnych. W przemysłowym wykrywaniu wad Chen i in.6 zajęli się interferencją tekstur podczas inspekcji tkanin, integrując filtry Gabora — zoptymalizowane za pomocą algorytmów genetycznych — z szkieletem Faster R-CNN, skutecznie tłumiąc złożone tła. Aby pokonać wyzwania związane z niedoborem danych i złożonością środowiskową w wykrywaniu celów podwodnych, Zeng i in.7 wprowadzili sieć okluzji adwersarnej. Sieć ta konkuruje z detektorem podczas treningu, zmuszając model do nauki bardziej odpornych funkcji i tym samym eliminując nadmierne dopasowanie. Ponadto, dla zadań wyszukiwania o drobnym ziarnie, takich jak identyfikacja konkretnych instancji, Li i in.8 ulepszyli Faster R-CNN poprzez konkatenację warstw cech oraz strategie precyzyjnego dostrojenia, znacząco poprawiając jego wydajność na obrazach o niskiej rozdzielczości. Wang i in.9 niedawno zaproponowali wielostronny ramowy system Faster R-CNN, chroniący prywatność, który umożliwia bezpieczne obliczenia na zaszyfrowanych obrazach i parametrach modeli poprzez nowatorskie protokoły bezpiecznego dzielenia, potęgowania i logarytmu. Sun i in.10 wykazali skuteczność ulepszonego Faster R-CNN w rozpoznawaniu wielu typów wad na piastach kół, osiągając wyższą średnią precyzję (mAP) niż R-CNN i YOLOv3. Razem te działania podkreślają dalszą ewolucję Faster R-CNN w kierunku większej adaptacji, odporności i zastosowania w różnorodnych realnych scenariuszach. Równolegle z postępem w detektorach dwustopniowych, również jednostopniowe ramy takie jak seria YOLO przeszły znaczący rozwój.
Jako znacząca alternatywa dla detektorów dwustopniowych, seria YOLO zyskała znaczące uznanie zarówno w środowisku przemysłowym, jak i badawczym dzięki swojej wydajnej architekturze i doskonałym osiągom detekcji w czasie rzeczywistym. Od wprowadzenia modelu pierwszej generacji przez Redmon i in.11w 2016 roku, kolejne iteracje stopniowo rozwiązywały różne ograniczenia techniczne, co skłoniło naukowców do opracowywania specjalistycznych adaptacji dla zastosowań specyficznych dla danej dziedziny. W systemach monitorowania ruchu drogowego, na przykład, Jamtsho i in.12 zaimplementowali YOLOv2 połączony z algorytmem śledzenia centroidów, aby precyzyjnie identyfikować tablice rejestracyjne motocyklistów bez kasku w strumieniach wideo, skutecznie zmniejszając liczbę fałszywych alarmów przy jednoczesnym zachowaniu wysokiego wskaźnika wykrywalności na poziomie 98,52%. Dla wymagających środowisk podwodnych Neelamegam i in.13 opracowali hybrydowy model YOLO-Transformer, który integruje zdolność wykrywania w czasie rzeczywistym YOLO z mechanizmami uwagi opartymi na transformatorach, co poprawia zrozumienie kontekstu. Dzięki uwzględnieniu danych z czujników IoT w czasie rzeczywistym dotyczących czynników środowiskowych, takich jak mętność i poziom światła, model dynamicznie dostosowuje się do zmieniających się warunków, osiągając dokładność wykrywania na poziomie 97,5% i przewyższając konwencjonalne modele w hałaśliwych, słabo widocznych scenariuszach. Podobnie Zhang i in.14 zaproponowali ulepszony model YOLO dla zastosowań teledetekcji. Aby rozwiązać problemy związane z niewystarczającą reprezentacją cech i zamieszaniem w tle, wprowadzili specjalistyczne moduły do ulepszania cech, fuzji wieloskalowej oraz globalnej świadomości kontekstu, co znacząco poprawia dokładność wykrywania małych obiektów. Łącznie badania te pokazują ciągły rozwój serii YOLO w kierunku większej adaptacyjności, odporności i skuteczności w różnorodnych scenariuszach rzeczywistych.
Pomimo tych postępów, najnowsze wersje rodziny YOLO, takie jak YOLOv113, nie są z natury zoptymalizowane pod kątem specyficznych złożoności teksturalnych i strukturalnych ciętego tytoniu w warunkach przemysłowych. Standardowe operacje downsampling mogą prowadzić do utraty drobnoziarnistych cech, które są kluczowe dla odróżnienia wyrównanego od nieuporządkowanego tytoniu ciętego. Ponadto ich głowice wykrywające w skali stałej mają trudności z efektywnym radzeniem sobie z wieloskalowym charakterem obiektów tytoniowych w różnych warunkach obrazowania.
Aby sprostać tym wyzwaniom, artykuł ten proponuje ulepszony model regresji jednoetapowej oparty na YOLOv11n, połączony z niestandardową metodą predykcji orientacji, umożliwiający solidne wykrywanie porządku po tytoniu w internecie. Główne osiągnięcia tego artykułu są trzystronne. (1) Proponowana jest metoda interaktywnego downsampling (MFID) z wieloma częstotliwościami. Standardowe operacje splotu z przekrojkiem lub pulowania odrzucają drobnoziarniste informacje, podczas gdy MFID jawnie rozkłada cechy na składowe o niskiej i wysokiej częstotliwości za pomocą falki Haara. Takie podejście zachowuje więcej oryginalnych informacji i ogranicza ich utratę podczas próbkowania w dół. (2) Metoda potrójnej komplementarnej fuzji (TCF) została zaprojektowana w celu poprawy jakości cech poprzez łączenie informacji semantycznych płytkich, środkowych i głębokich. Chociaż proste operacje konkatenacji lub dodawania są powszechnie stosowane do fuzji cech, TCF wprowadza warstwę średnią sterowaną, ważoną fuzję z odwrotnymi gałęziami wagowymi, osiągając tym samym komplementarność między informacjami semantycznymi a szczegółowymi. (3) Wprowadzono dynamiczną głowicę detekcyjną (DynamicHead), która zastępuje oryginalną głowicę detekcyjną. Oryginalna głowica detekcyjna opiera się na operacjach splotu o stałej skali; natomiast DynamicHead integruje mechanizmy uwagi uwzględniającej skalę, przestrzennie oraz zadania. Umożliwia to dynamiczną regulację znaczenia cech oraz bardziej elastyczne i skuteczne wieloskalowe fuzję cech, co poprawia zdolność modelu do precyzyjnej lokalizacji i klasyfikacji cech związanych z uporządkowaniem.