一种ROI自适应轮廓驱动裁剪的工件分类模型
谭寒钟1
文双兵2
张业东1
黄海峰1
胡涛3
1.湖北民族大学 智能科学与工程学院,湖北 恩施 4450002.湖北民族大学 数学与统计学院,湖北 恩施 4450003.湖北民族大学 智能科学与工程学院,湖北 恩施 445000;湖北民族大学 硒食品营养与健康智能技术湖北省工程研究中心,湖北 恩施 445000
摘要：为解决现有工件分类模型在处理高分辨率图像时非感兴趣区域(region of interest,ROI)的冗余计算问题,提出了 1 种ROI自适应轮廓驱动裁剪的工件分类网络模型(a workpiece classification network model with ROI adaptive contour-driven cropping,ACDC-ClassNet).该模型利用轮廓检测定位图像最大轮廓及其中心,据此生成标准化方形ROI裁剪区域,消除背景干扰.该模型采用预训练的 50 层残差网络(residual network-50 layers,ResNet-50),调整其分类头以适应工件类别数量,实现高效的特征聚焦与分类.结果表明,该ROI裁剪策略平均减少72.15%的冗余区域面积,使模型更专注于工件细节.相较于原始ResNet-50,ACDC-ClassNet在准确率、精确率、召回率、F1 分数等指标上分别提升 3.83、4.04、3.64、4.13 个百分点.同时,该策略也优于高效网络(efficient network,EfficientNet)、视觉变换器(vision transformer,ViT)模型,准确率分别提升8.40、4.27 个百分点.ACDC-ClassNet为工业背景下的高效视觉检测提供了新的技术路径.
关键词：工件分类ROI自适应轮廓驱动裁剪ResNet-50迁移学习细节感知智能制造冗余特征
分类号：TP391(计算技术、计算机技术)
资助基金：湖北省自然科学基金(2025AFD161)湖北省自然科学基金(2023AFD061)湖北省高等学校优秀中青年科技创新团队计划项目(T2023013)湖北民族大学研究生教育创新项目(MYK2025068)
论文发表日期：2025-12-30
在线出版日期：2025-12-10（本平台首次上网日期，不代表文献的发表时间）
页数：6( 517-522 )
英文信息