摘要
针对目前苹果外观品质通过人工筛选成本高昂且效率低下,而传统机器视觉方法准确率较低、鲁棒性较差等问题,提出了一种运用语义分割技术自动识别苹果及其表皮缺陷的方法.该方法以U-Net网络为基础,首先在编码器的CNN分支使用resnet50作为网络backbone,同时加入Transformer分支,用于兼顾局部信息与全局信息的特征提取能力;使用Patch Merging模块替换原始网络中的最大池化下采样操作,避免空间信息丢失;在解码器部分,使用dual up-sample提升网络的分割精度.改进后的网络平均像素准确率(MPA)达到98.14%,相比于原网络提高了7.33%,平均交并比(MIoU)95.57%,提高了14.14%.与原网络相比,改进后的网络有更好的特征提取能力与分割精度,针对不规则的缺陷特征也有更好的分割效果.
基金项目
教育部人文社会科学一般项目(20YJCZH005)
浙江省湖州市工业攻关项目(2018GG29)
维普
万方数据