轻工学报

作者：张伟伟, 姬远鹏, 元春波, 王君婷, 齐晓任, 张卫正, 李萌, 饶智

单位：1.郑州轻工业大学计算机科学与技术学院,河南郑州450001;2.浙江中烟工业有限责任公司宁波卷烟厂,浙江宁波315504;3.湖北中烟工业有限责任公司技术中心,湖北武汉430040;4.河南省烟草公司安阳市公司,河南安阳455002;5.郑州轻工业大学烟草科学与工程学院,河南郑州450001;6.红云红河烟草(集团)有限责任公司,云南昆明650032

关键词：粘连烟丝, 改进Mask R-CNN模型, 边缘特征提取, 特征融合, 混合注意力机制

基金：河南省科技攻关项目(242102110334)云南中烟工业有限责任公司重点项目(JB2022YL02)河南省高等学校重点科研项目(24B520039)

为精准识别并高效分割粘连烟丝,提出一种基于改进掩码区域卷积神经网络模型(Mask R-CNN)的粘连烟丝识别方法。首先,采集粘连烟丝图像,通过图像增强操作将数据集扩充到训练模型所需的样本数量;其次,在Mask R-CNN模型的基础上对训练样本中的粘连烟丝图像进行边缘特征提取、分形特征提取,获得更清晰、连续的图像边缘特征信息和纹理特征信息;再次,将原始特征、边缘特征、分形特征进行融合以充分利用不同层次的特征信息,丰富底层特征;最后,通过引入混合注意力机制关注特征图的通道和空间维度,从而提高粘连烟丝识别的效率和准确性。模型性能对比结果表明:基于改进Mask R-CNN模型的识别方法的平均交并比(Avg.MIoU)为85.29%,类别平均像素准确率(Avg.MPA)为84.33%,其能够快速、准确地识别并分割出单根烟丝,识别效果优于Mask R-CNN和DeepLabV3+模型识别方法,可为后续烟丝宽度检测提供技术支持。

来源：2024年第5期

《轻工学报》期刊编辑部

查看轻工学报杂志2024年第5期