一种基于卷积神经网络的烟叶颜色校正方法

本发明公开了一种基于卷积神经网络的烟叶颜色校正方法，包括：1、采集仓库烟叶图像并进行归一化、去噪预处理，同步获取标准光照下的颜色参考值作为监督标签；2、构建融合SqueezeNet轻量级网络与SE通道注意力机制的特征提取模型，增强颜色特征适应能力；3、以预处理图像为输入，采用监督学习策略通过损失函数优化迭代训练模型，提升颜色映射精度；4、应用训练模型对烟叶图像进行光照校正，输出标准光照下的还原图像。本发明通过轻量化网络降低计算成本，利用注意力机制强化关键特征学习，并结合实际场景数据与标准光照标定的双重优化，能显著提高颜色校正准确性，可有效应用于烟叶质量检测及仓储管理中的自动化颜色分析。