초기 건조 담배 잎 등급의 빠르고 정확한 검출은 농산물의 세밀한 관리를 촉진하기 위한 담배 잎 지능형 등급 장비 개발에 중요한 의미를 갖는다. 높은 유사도를 가지지만 다른 등급인 초기 건조 담배 잎을 구분하기 어려운 문제를 해결하기 위해, 본 논문에서는 다중 수용 영역 특징 적응 융합 및 동적 손실 조정 초기 건조 담배 잎 등급 검출 네트워크(Flue-cured Tobacco Leaf Grade Detection Network, FTGDNet)를 제안한다. 우선, FTGDNet은 특성 추출 주 네트워크로 CSPNet을 사용하고 GhostNet을 보조 특성 추출 네트워크로 사용하여 모델의 특징 추출 능력을 향상시킨다; 다음으로 주 네트워크 끝단에 명시적 시각 중심 병목 모듈(Explicit Visual Center Bottleneck module, EVCB)을 삽입하여 전역 특징 정보와 국부 세부 특징 정보의 융합을 실현한다; 그 후, 다중 수용 영역 특징 적응 융합 모듈(Multi-Receptive Field Feature Adaptive Fusion module, MRFA_d)을 구축하여 주의 특성 융합 메커니즘(Attention Feature Fusion, AFF)을 활용해 서로 다른 수용 영역 특징 맵을 적응 가중 합성하여 모델의 국부 수용 영역을 강화하고 유효 채널 정보를 부각시킨다; 마지막으로, 새로운 위치 손실 함수(More Complete IoU Loss, MCIoU_Loss)를 설계하여 예측 박스와 실제 박스 면적 손실을 결합해 회귀 위치 과정에서 둘의 가로 세로 비율이 같고 중심점이 일치할 때 CIoU_Loss 성능 저하로 인한 위치 정확도 하락 문제를 해결하며, 또한 훈련 과정에서 실제 박스와 예측 박스 간의 유사도 판별 항을 동적으로 조정하는 직사각형 유사도 감쇠 계수를 도입해 모델 적합을 가속화한다. 실험 결과, FTGDNet은 10개 등급 초기 건조 담배 잎에 대해 검증 정확도 90.0%, 테스트 정확도 87.4%, 추론 시간은 단 12.6ms임을 보였다. 여러 선진 객체 검출 알고리즘과 비교할 때 FTGDNet은 더 높은 검출 정확도와 더 빠른 검출 속도를 가지며, 고정밀 초기 건조 담배 잎 등급 검출에 핵심 기술 지원을 제공할 수 있다.

초기 건조 담배 잎; 객체 검출; 다중 수용 영역 특징 융합; 동적 손실 조정