-
题名一种改进型粘连大米实例分割模型Swin-STR
- 1
-
-
作者
张庆辉
张浩宇
张梦雅
陈卫东
田国军
武勇
-
机构
粮食信息处理与控制教育部重点实验室(河南工业大学)
河南省粮食仓储信息智能感知与决策重点实验室(河南工业大学)
河南工业大学河南省粮食大数据分析与应用工程技术研究中心
粮食储运国家工程研究中心
湖北省粮油食品质量监督检测中心
安徽高哲信息技术有限公司
-
出处
《中国粮油学报》
北大核心
2025年第7期177-186,共10页
-
基金
中原科技创新领军人才项目(244200510024)
河南工业大学粮食信息处理中心开放课题(KFJJ2023013)
郑州市协同创新专项(22ZZRDZX41)。
-
文摘
现有基于卷积神经网络的图像分割方法虽能有效提取粘连大米图像中相似米粒的特征,但在边界模糊和粘连程度不一的情况下,难以实现理想的分割效果。研究受Swin Transformer启发,设计了更加适合粘连大米分割任务的主干网络STRNet,通过考虑图像全局关系及优化粘连大米边缘的分割合理性,构建了一种改进型粘连大米实例分割模型Swin-STR。STRNet包含特征先验模块(FPM)和特征交互融合模块(FIF)2个重要设计,FPM模块通过结合不同尺度的卷积操作,捕捉从局部到全局的多尺度空间信息,增强粘连区域识别,FIF通过多尺度特征融合提升模型对米粒不同程度粘连的分割能力。为了验证所提出模型的有效性,本文构建了包含4种品种大米、多光照干扰、非单一程度粘连的粘连大米实例分割数据集STR-900。实验结果表明,Swin-STR在粘连大米分割任务上相比多种基于卷积神经网络的实例分割模型有更好的效果。与Swin Transformer相比,Swin-STR在Box AP和Mask AP有4.8%和6.7%的提升,表明所提出模型在随机散落籽粒粘连分割任务上的优势。
-
关键词
粘连大米图像
实例分割
Swin
Transformer
多尺度特征
特征交互融合
-
Keywords
adhesive rice images
instance segmentation
Swin Transformer
multi-scale features
feature interactive convergence
-
分类号
S511.2
[农业科学—作物学]
TS212
[轻工技术与工程—粮食、油脂及植物蛋白工程]
-
