基于Mask R-CNN结合边缘分割的颗粒物图像检测

摘要：

对颗粒物的尺寸检测是生产中重要的环节,使用相机采集图像并处理是常用的非接触检测方法.围绕颗粒物的识别与尺寸检测需求,选用沙粒为检测对象,提出了一种改进颗粒物边界掩膜的Mask R-CNN模型.该模型结合经典的边缘检测技术,并利用深度学习模型预测掩膜,根据边缘分割的结果来得到更高精度的掩膜.使用DenseNet作为检测网络的主干网络,使得整体网络参数量更少,并利用通道注意力机制加强网络的特征提取能力.实验结果表明,改进的网络可以提高检测的精度,且结合图像处理的方式能够改善掩膜尺寸检测的准确度,为颗粒物的工业检测提供了一种有意义的方法.

关键词：颗粒物检测、深度学习、图像分割、机器视觉、尺寸分布

所属期刊栏目：44

分类号：TN911.73;TP391.4

资助基金：国家自然科学基金;安徽省高校自然科学研究项目;安徽省高校自然科学研究项目

在线出版日期：2023-02-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：93-103