结合深度学习与图像处理的黄斑茧识别算法

剥茧缫丝是提取丝绸制品原料蚕丝的重要环节,在缫丝前需要对蚕茧进行筛选,剔除不合格的下茧。针对目前自动化识别上车茧和黄斑茧准确率低的问题,文中提出一种结合深度学习与图像处理技术的识别算法。引入空洞卷积改进YOLOv5s网络,利用改进后的网络对不同类别标签的蚕茧图片进行训练和预测;在此初识别基础上,对网络预测结果置信度小于70%的图片进行图像处理二次判别,在原始图片上根据网络预测的锚定框提取出蚕茧所在区域,经背景分割预处理后单独提取蚕茧HSV颜色模型中S通道图,在S通道图上分析蚕茧黄斑颜色特征,统计表面黄斑区域的面积占比和平均饱和度,并设定双阈值进行二次识别。经测试,该算法识别上车茧和黄斑茧的平均准确率达到94.94%,单张图片初识别加二次识别总时间为318.5 ms。

融合通道注意力机制和非局部操作的蚕茧识别算法

蚕茧质量对蚕丝的品质具有重要影响,因此在缫丝前需要对蚕茧进行分类,但传统人工筛选法成本较高,效率和准确率均较低。为了提高蚕茧种类分类准确率,利用深度学习的方法在ResNet50的基础上做出改进并将其应用于蚕茧分类。首先以ResNet50作为主干网络提取蚕茧原图特征信息,然后使用非局部操作提取特征图的全局特征,进一步利用通道注意力机制提取全局特征图的通道特征,从而将全局语义特征和细节信息进行全局平均池化,并将全局平均池化得到的特征向量输入到Softmax分类器中进行分类。实验结果表明:融合通道注意力机制和非局部操作的蚕茧识别算法平均分类准确率达95.6%,比ResNet50网络模型高2.4%。

全面预算管理在施工行业运用的现状及改善对策

施工行业的全面预算管理 全面预算管理指企业在战略目标的引导下,对其未来的经营活动及相应的财务结果进行全面、详细地预测和筹划,并且通过对执行过程的监督与控制,把实际的完成情况与预算目标不断进行对比与分析,进而指导企业各项经营活动的改善和调整,运用激励机制对预算的执行结果进行考评,用以帮助管理者有效地管理企业与最大程度地实现战略目标.