avatar avatar 我的文献 改进Faster RCNN模型在棉花异性纤维识别中的应用 单位 天津工业大学机械工程学院; 天津市现代机电装备技术重点实验室; 北京大恒图像视觉有限公司 期刊 激光与光电子学进展 时间 关键词 异性纤维; 深度学习; 目标识别; Faster RCNN; K-means++
摘要
棉花中不同种类异性纤维对纺纱和织布过程造成的危害相差较大,确定每类异性纤维的含量更能全面的评价棉花的质量。本文采用深度学习方法对异性纤维进行分类识别。首先建立异性纤维数据集,针对异性纤维尺寸和形状多样性的特点,采用基于Faster RCNN的目标识别框架,以RseNet-50代替原始的VGG16作为异性纤维模型的特征提取网络,并采用Kmeans++聚类算法对候选框生成尺寸进行改进,然后对模型进行训练,实现棉花中异性纤维的分类和定位。训练后的模型在验证集上的准确率达到94.24%,精度为98.16%,召回率为95.93%,精确率和召回率的调和平均数(F1分数)为0.970。对比改进前后模型的异性纤维识别效果,改进后的模型在小尺寸、大长宽比和密集出现的情况具有更好的识别效果,相对原始模型准确率、精度、召回率和F1分数分别提高了3.21%,0.9%,2.51%,0.017。
下载 浏览 cnki {{liketext}}
©2020 - iData {{ message }} 关闭