基于改进的更快的卷积神经网络特征区域的淡水鱼鱼鳃切口点定位

摘要：

为了提高鱼产品加工过程中鱼鳃切口点定位的准确度,采用改进的更快的卷积神经网络特征区域(faster convolution-al neural network feature region,Faster RCNN)对淡水鱼的鱼鳃部位进行检测和定位.首先,为了增强主干网络VGG16的特征提取能力,加入批归一化(batch normalization,BN)层对其进行结构优化,提高了网络识别的准确率.其次,当物体处于预设的交叉阈值范围时,非最大值抑制(non-maximum suppression,NMS)算法存在目标漏检的问题.采用Soft-NMS算法替代NMS算法,增强了目标检测的性能.通过在淡水鱼数据集进行的实验结果表明,改进的Faster RCNN网络对鱼鳃切口定位准确率达到了96％,较未改进网络提高了6％,为后续生产线中鱼鳃的精准切割奠定了基础.

关键词：目标检测、鱼鳃切口定位、更快的卷积神经网络特征区域(Faster RCNN)、Soft-NMS

所属期刊栏目：21

分类号：TS254.8(食品工业)

资助基金：天津市科技支撑计划;天津市科技支撑计划;天津市科技支撑计划

在线出版日期：2021-07-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：6794-6800