初期乾燥たばこ葉の等級の迅速かつ正確な検出は、農産物の精緻な管理を促進するためのたばこ葉スマート等級付け装置の開発に重要な意義を持つ。類似度が高いが等級が異なる初期乾燥たばこ葉の区別が難しい問題に対して、本論文では多受容野特徴適応融合および動的損失調整による初期乾燥たばこ葉等級検出ネットワーク（Flue-cured Tobacco Leaf Grade Detection Network、FTGDNet）を提案する。まず、FTGDNetは特徴抽出の主干ネットワークとしてCSPNetを採用し、モデルの特徴抽出能力を強化するために補助特徴抽出ネットワークとしてGhostNetを使用する。次に、主干ネットワーク末端に明示的視覚中心ボトルネックモジュール（Explicit Visual Center Bottleneck module、EVCB）を組み込み、全体的な特徴情報と局所的な詳細特徴情報を融合する。次に、多受容野特徴適応融合モジュール（Multi-Receptive Field Feature Adaptive Fusion module、MRFA_d）を構築し、注意特徴融合機構（Attention Feature Fusion、AFF）を活用して異なる受容野の特徴マップを適応的に重み付け融合し、モデルの局所受容野を強化するとともに有効なチャネル情報を強調する。最後に、予測枠と実際の枠の面積損失を組み合わせた新しい位置損失関数（More Complete IoU Loss、MCIoU_Loss）を設計し、回帰位置決め過程で幅と高さの比率が等しく中心点が一致する場合に発生するCIoU_Lossの性能劣化による位置精度の低下問題を解決する。さらに、矩形類似度減衰係数を導入し、学習過程において実際の枠と予測枠の類似度判別項を動的に調整し、モデルの適合を加速する。実験結果は、FTGDNetが10段階の初期乾燥たばこ葉の検証精度90.0%、テスト精度87.4%、推論時間わずか12.6msを達成したことを示している。複数の先進的な物体検出アルゴリズムと比較して、FTGDNetはより高い検出精度とより高速な検出速度を持ち、高精度初期乾燥たばこ葉等級検出のための重要な技術サポートを提供できる。

初期乾燥たばこ葉;物体検出;多受容野特徴融合;動的損失調整