烟叶异物检测数据集构建与应用实践

1. 烟叶原料异物检测数据集概述

在烟草工业生产线上，原料质检环节对最终产品品质起着决定性作用。传统的人工分拣方式不仅效率低下，而且容易因视觉疲劳导致漏检误检。我们团队历时6个月，在云南、贵州等主要烟叶产区实地采集，构建了这个专门针对烟叶原料异物的检测数据集。

这个数据集的核心价值在于：

• 覆盖了烟叶原料中最常见的7类异物，包括杂草（Weed）、塑料布（PlasticCloth）、羽毛（Feather）等
• 所有图像均采用工业级2000万像素摄像头采集，分辨率达到5472×3648
• 标注过程经过三轮人工校验，确保边界框（Bounding Box）的精准度在±3像素以内

特别提示：数据集中的羽毛类样本特别包含了不同光照条件下的形态变化，这对模型泛化能力训练至关重要。

2. 数据集技术细节解析

2.1 数据采集方案设计

我们在三个典型场景下完成了数据采集：

1. 烟叶收购站初筛环节（自然光条件）
2. 工厂原料预处理车间（混合光源环境）
3. 实验室模拟环境（可控光照条件）

采集设备选用Basler ace acA2000-50gc工业相机，搭配Schneider Kreuznach Xenoplan 35mm镜头。为保证色彩还原准确，每次采集前都使用X-Rite ColorChecker进行白平衡校准。

2.2 标注规范与质量控制

标注工作遵循以下严格标准：

• 异物目标可见部分大于15×15像素才进行标注
• 被烟叶部分遮挡的异物需标注完整轮廓
• 重叠目标采用z-index分层标注

我们开发了专门的标注质量检查工具，主要检测以下问题：

• 边界框包含过多背景（IOU<0.7）
• 同类异物未合并标注
• 标签类别混淆错误

经过三轮质检后，标注错误率控制在0.5%以下。

3. 数据集统计特征分析

3.1 类别分布与样本特性

从统计数据可以看出，绳状异物具有显著的长宽比特征，这在实际检测中需要特别注意。

3.2 背景复杂度分析

我们使用图像熵值评估背景复杂度：

• 简单背景（熵值<5.2）：占比32%
• 中等复杂度（5.2≤熵值≤6.5）：占比54%
• 高复杂度（熵值>6.5）：占比14%

这种分布确保了模型能在不同难度的场景中得到充分训练。

4. 数据集应用实践指南

4.1 数据增强策略建议

针对本数据集特点，推荐采用以下增强组合：

python复制transform = A.Compose([
    A.RandomRotate90(),
    A.HorizontalFlip(p=0.5),
    A.VerticalFlip(p=0.5),
    A.RandomBrightnessContrast(p=0.2),
    A.GaussNoise(var_limit=(10,50),p=0.3),
    A.Cutout(max_h_size=30,max_w_size=30,p=0.5)
])

特别注意：绳状异物要禁用过度旋转，避免破坏其方向特征。

4.2 模型训练技巧

基于我们的实验验证，给出以下超参数建议：

• 输入分辨率：640×640（兼顾精度和速度）
• Anchor设置：针对长条状目标增加[8,32],[16,64]等比例
• 损失函数权重：分类:回归=1:2（针对小目标优化）

在YOLOv5s模型上，我们取得了以下效果：

• mAP@0.5：0.873
• 塑料布检测精度：92.1%
• 推理速度：28ms/帧（RTX 3060）

5. 常见问题解决方案

5.1 小目标检测优化

对于羽毛等小目标，建议：

1. 使用FPN+PAN结构增强特征融合
2. 在loss计算时增加小目标权重
3. 测试时采用2×推理尺寸

5.2 类间混淆处理

塑料布与标签布容易混淆，可通过：

• 增加色彩空间转换（RGB→HSV）
• 添加纹理特征辅助判断
• 在数据增强时针对性增加这两类的样本

我们在实际项目中发现，添加一个简单的颜色直方图分支，就能将这两类的区分准确率提升15%。

6. 数据集扩展建议

为进一步提升模型鲁棒性，建议从以下方向扩展数据集：

1. 增加雨季潮湿烟叶场景
2. 采集不同产地烟叶的背景样本
3. 添加更多种类的合成纤维异物
4. 制作模拟传送带运动的模糊样本

根据我们的工程经验，当样本量增加到5000+时，模型在产线上的误检率可以控制在0.3%以下。