一种基于CP-U-Net的鸡部位分割方法

鸡部位分割是鸡肉分体的主要任务,论文以鸡部位分割为目的,提出了一种基于U-Net的鸡部位图像分割算法。根据鸡部位检测的需求,选择了合适类型的工业相机、摄像头、光源和PC机构成鸡部位图像采集系统。采集3000张鸡部位图像,然后进行数据增强扩充,构建了鸡部位数据集;构建了一种基于CP(Chicken parts)-U-Net鸡部位图像分割模型,提取鸡部位特征,为了实现鸡部位图像的端到端语义分割,采取了以下步骤:首先通过池化计算,能够获得鸡部位的深层特征和浅层。接着,通过多次的反卷积处理,能够得到特征的融合。最后生成了鸡部位区域的二值图像。为了评估分割性能,采用平均交并比(MIoU)、均像素精度(MPA)和精度(PA)这三种评判标准,将CP-U-Net计算网络与三种经典算法进行了比较。实验表明:CP-U-Net在进行鸡部位的语义分割时PA、MPA、MIou分别为93.65%,89.12%,85.37%。比较对比的三种其他图像语义分割方法分别高出11.23%,8.74%,6.68%,且处理单幅鸡部位图像时间比SegNet缩短44 ms。