基于改进U-Net++的燕窝杂质检测方法

为满足燕窝领域的杂质自动化检测,实现对燕窝中羽绒杂质的快速精准分割,提出一种应用于燕窝领域的两阶段杂质检测算法。第一阶段,基于U-Net++模型引入注意力模块,以抑制因燕窝强度不均所引起的图像分割不精准和密集卷积造成的干扰噪声;第二阶段,针对特征提取输出的概率张量,通过二值掩膜以实现对燕窝杂质和非杂质区域的精确分类。采集并预处理燕窝图像,通过消融试验对比分析杂质检测算法与U-Net,U-Net++,传统图像方法在同等条件下的测试集数据。试验表明,杂质检测算法的F1系数为94.80%,较其他3种算法分别提高2.78%,1.12%,20.71%,召回率为97.90%,精确率为91.89%,整体检测结果优于对比算法。研究为燕窝杂质检测提供一种新的思路。