DOI: 10.12187/2024.05.009
基于改进Mask R-CNN模型的粘连烟丝识别方法
张伟伟1
姬远鹏1
元春波2
王君婷3
齐晓任4
张卫正1
李萌5
饶智6
1.郑州轻工业大学计算机科学与技术学院,河南郑州 4500012.浙江中烟工业有限责任公司宁波卷烟厂,浙江宁波 3155043.湖北中烟工业有限责任公司技术中心,湖北武汉 4300404.河南省烟草公司安阳市公司,河南安阳 4550025.郑州轻工业大学烟草科学与工程学院,河南郑州 4500016.红云红河烟草(集团)有限责任公司,云南 昆明 650032
摘要：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.
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
分类号：TS452.4(烟草工业)TP399(计算技术、计算机技术)
资助基金：河南省科技攻关项目(242102110334)河南省高等学校重点科研项目(24B520039)云南中烟工业有限责任公司重点项目(JB2022YL02)
论文发表日期：2024-10-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 78-85 )
英文信息