基于改进U-Net的不同容重小麦籽粒识别检测

摘要：

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.

关键词：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

所属期刊栏目：52

分类号：S126(农业物理学)

资助基金：国家重点研发计划2017YFD0401004

在线出版日期：2023-11-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：141-152