首页|基于空洞卷积神经网络的毒株胚蛋裂纹分割

基于空洞卷积神经网络的毒株胚蛋裂纹分割

Vaccinated egg crack segmentation based on atrous convolution neural network

扫码查看
原文链接
  • 维普
  • 万方数据
针对工厂机械设备的噪声和振动、胚蛋蛋壳表面的污斑和裂纹大小、光源打光方式会对裂纹检测产生严重影响,提出一种基于密集空洞卷积模块(DACM)与空洞空间金字塔池化结构(ASPP)的卷积神经网络(CNN)分割方法分割胚蛋裂纹.采用编码器-解码器网络结构与密集连接的空洞卷积结合,增强空间信息表示并重建不同尺度目标信息;同时,在网络浅层引入ASPP,获取多尺度特征,增强细节信息,提高网络分割性能.结果表明:在自制毒株胚蛋顶部裂纹与侧面裂纹数据集上,该方法的平均交并比(MIoU)分别达到了74.2％与81.3％,具有较强的鲁棒性.

耿磊、张静、肖志涛、童军

展开 >

天津工业大学 生命科学学院,天津 300387

天津工业大学 天津市光电检测技术与系统重点实验室,天津 300387

天津工业大学 电子与信息工程学院,天津 300387

伍伦贡大学 电气计算机与电信工程学院,伍伦贡 NSW2522,澳大利亚

展开 >

毒株胚蛋裂纹分割 卷积神经网络 编码器-解码器 空洞卷积 空洞空间金字塔池化

京津冀基础研究合作专项天津市自然科学基金

21JCZXJC0017018JCYBJC15300

2022

10.3969/j.issn.1671-024x.2022.03.011

天津工业大学学报
天津工业大学

天津工业大学学报

CSTPCD北大核心
影响因子：0.404
ISSN：1671-024X
年,卷(期)：2022.41(3)
  • 7