期刊专题

10.15933/j.cnki.1004-3268.2023.10.015

基于改进U-Net的不同容重小麦籽粒识别检测

引用
小麦质量等级检测过程中,容重是一项非常重要的指标.人工检测和传统图像处理方法在小麦质量等级检测方面存在设备昂贵、识别效率低等问题,需要进一步改进.采用自制3种等级小麦籽粒样品作为小麦容重数据集,针对小麦籽粒目标小、边缘分割不清晰等特点对U-Net网络进行改进.在主干网络上,采用残差堆叠模块来减少特征损失,在网络桥接部分嵌入CBAM注意力机制模块来加强对特征的进一步提取,在解码器部分嵌入自注意力机制模块,还原细节信息.结果表明,改进网络模型CBSA_U-Net的平均交并比(MIoU)为 81.5%,比U-Net模型提升了 1.8 百分点,相较于PSPNet、DeepLabv3+模型分别提升了4.2、3.3百分点.

小麦、质量等级、籽粒识别、容重、残差模块、注意力机制、U-Net模型、分割

52

S126(农业物理学)

国家重点研发计划2017YFD0401004

2023-11-15(万方平台首次上网日期,不代表论文的发表时间)

共12页

141-152

暂无封面信息
查看本期封面目录

河南农业科学

1004-3268

41-1092/S

52

2023,52(10)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn