基于高效通道注意力机制与多尺度特征融合的烟丝图像识别方法研究

摘要：

针对现有方法在识别烟丝类型中泛化能力差、准确率低的问题,提出了一种基于高效通道注意力机制与多尺度特征融合的烟丝类型识别方法.对采集的梗丝、膨胀叶丝、叶丝和再造烟丝4类烟丝图像进行降噪处理,处理后的图像经K-means聚类得到图像的前景和后景并完成分割,提高输入图像的抗环境干扰能力和特征提取能力.在Inception-ResNet-V2网络中引入高效通道注意力机制,加强模型提取特征的能力;同时,将改进后的模块输出的特征图进行多尺度融合,增加特征代表性,降低过拟合风险.最后,在比较收敛性和准确性时,用PReLU和AdaBound代替了ReLU激活函数和Adam优化器.结果表明,提出的算法具有较好的泛化能力,能实现4类烟丝高效识别,最终识别精度为97.23％,单幅图像的检测时间为0.107 s.

关键词：烟丝、k-means算法、Inception网络、高效通道注意力机制、多尺度特征融合

所属期刊栏目：51

分类号：S126;TS42(农业物理学)

资助基金：河南省科技攻关计划项目;河南省科技攻关计划项目;河南中烟科技项目;河南中烟科技项目

在线出版日期：2023-02-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：145-154