摘要
针对原棉杂质检测准确率不高的问题,以新疆棉花为研究对象,提出基于残差与注意力机制的原棉杂质检测算法.该算法为2阶段算法,准确率较高.首先,采集原棉杂质图象后对图像进行标注,再进行数据增广,可以避免训练过程中的过拟合现象,接着在原框架引入视觉注意力机制,通过改进算法结构来提高原棉杂质检测的准确率.其次,通过分析对比几种不同网络对原棉杂质检测的准确度,选取ResNet50为特征提取网络,该网络提高了算法的复杂特征提取能力.最后,采用RoI Align来减少量化误差,从而提高检测原棉杂质的准确性.实验结果表明,改进的算法虽然略微增多检测时间,但其整体检测准确率明显优于原算法,整体识别的准确率可达到94.84％,较改进前 FasterR-CNN(faster region-based convolutional neural network)的识别率提高了5.58％.同时通过对比不同网络模型,结果显示改进后的FasterR-CNN对原棉杂质检测的效果更好.
维普
万方数据