改进Faster RCNN模型在棉花异性纤维识别中的应用

作者：杜玉红^*; 董超群; 赵地; 任维佳; 蔡文超

来源：激光与光电子学进展, 2020, 57(12): 132-141.

• 图像处理
• 异性纤维
• 深度学习
• 目标识别
• Faster RCNN
• k-means++

采用深度学习方法对棉花中的异性纤维进行分类识别。首先建立异性纤维数据集,针对异性纤维尺寸和形状多样性的特点,采用基于Faster RCNN的目标识别框架,以RseNet-50代替原始的VGG16作为异性纤维分类模型的特征提取网络,并采用k-means++聚类算法对候选框生成尺寸进行改进;然后对模型进行训练,实现棉花中异性纤维的分类和定位。训练后的模型在验证集上的准确率达到94.24%,精度为98.16%,召回率为95.93%,精确率和召回率的调和平均数(F1分数)为0.970。对比改进前、后模型对异性纤维的识别效果,改进后的模型在小尺寸、大长宽比和密集出现的情况具有更好的识别效果,相对于原始模型,其准确率、精度、召回率和F1分数分别提高了3.21%、0.90%、2.51%和0.017。

• 出版日期2020
• 单位天津工业大学