烟草在线—吸烟有害健康！

;【方法】构建了“异常预警”、“综合预测”两大内核驱动器，提出了将前沿的深度学习算法——TabNet模型应用于解决信采点数据准确性问题，建立库存准确性模型，

，难以捕捉基因型和表型间的复杂关系。相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决

深度学习算法对烟虫图像数据模型进行训练，初步构建了烟虫识别模型，并通过工厂5G定制专网传输，为虫情监测的图像、数据传输提供高速通道，有力推进了虫情

工业相机与高性能计算设备为核心硬件，充分融合人工智能与计算机视觉技术，通过二次开发的深度学习算法与自建数据集的模型训练，得到了横烟识别模型，实现对烟

了设备的有效供能；《烟叶杂物检测剔除装置的研制》课题，通过应用机器视觉、深度学习算法等新技术，在制丝过程杂物防控难这一关键问题上取得了重大突破；

，吸引全国烟区1.2万人关注，自公众号推出以来单篇文章平均阅读量达万次以上。二是开发应用“烟草病虫害智能识别”小程序。利用深度学习算法和人工智能技术，成功开发出“烟草

识别装置的研发工作。第一代烟丝宽度智能检测装置利用高像素工业相机在线拍摄切后烟丝图片，通过深度学习算法标定典型的烟丝外形结构，并利用像素测量技术和统一的计算方法来测量图片

选型，完成备件的货架出入库、备件拣选、备件图像识别等自动化作业。通过应用图形识别技术、深度学习算法等智能场景识别技术，进行图像建模分析，实现移动端备件图像识别领用

和烟包外观缺陷智能识别装置的研发工作。第一代烟丝宽度智能检测装置利用高像素工业相机在线拍摄切后烟丝图片，通过深度学习算法标定典型的烟丝外形结构，并利用像素测量技术和统一

逐一对比。在对比过程中，基于预训练的模型提取多个图像块的特征信息，对特征信息与真品卷烟信息对应的特征块进行信息比对。这种比对方式可以充分利用深度学习算法的优势，

烟业智汇