融合频域注意力机制和解耦头的YOLOv5带钢表面缺陷检测

针对带钢表面缺陷在实际场景中检测精度低,易出现漏检和误检的情况,构建一种YOLOv5-CFD模型对带钢缺陷目标进行更精确的检测,该模型由CSPDarknet53、FcaNet与解耦检测头(Decoupled head)组成。首先,采用模糊C均值(FCM)算法对东北大学公开的NEU-DET热轧带钢表面缺陷检测数据集中的锚框进行聚类,优化先验框和真实框之间的匹配度;其次,为提取目标区域丰富的细节信息,在原始YOLOv5算法基础上添加频域通道注意力模块FcaNet;最后,采用解耦检测头将分类任务和回归任务分离。在NEU-DET数据集上的实验结果表明,改进的YOLOv5算法在引入较少参数量的情况下,检测精度提高了4.2个百分点,平均精度均值(mAP)达到85.5%,每秒传输帧数(Frames Per Second,FPS)达到27.71,与原YOLOv5相差不大,能够满足检测实时性的要求。

基于注意力机制的小样本啤酒花病虫害识别

为提高啤酒花产业的品质和产量,针对于传统人工识别鉴定难度大,效率低和客观性不够,以及啤酒花病虫害识别无大型公开数据集等问题。本文提出一种基于软注意力机制的小样本啤酒花病虫害识别方法,对传统深度残差网络ResNet模型进行改进,并使用图像增强技术-直方图均衡化处理图片得到新的数据集。实验结果表明,在小样本情况下,相比于传统的模型,改进过后的模型A-ResNet50和A-ResNet101都能准确识别不同类型的病虫害图像,在测试集上的准确率为93.27%和93.11%,Kappa指数达到了0.9027和0.8996,证实了A-ResNet50和A-ResNet101模型在啤酒花病虫害识别上的可行性以及可靠性。本文提出的方法识别精度高,实现了啤酒花病虫害的智能识别,同时也对小样本数据集的高精度识别提供了一种途径。

融合注意力机制的无锚点森林火灾检测算法

森林火灾、野火是一个重大的自然灾害问题,每年全球各地植被都会受到严重的破坏。为了提高森林火灾的防控精度,针对传统方法具有火灾背景复杂、准确率低、效率低等问题,本文提出一种基于CenterNet的森林火灾检测算法。CenterNet作为一种无锚的方法,将目标定义为一个点,通过关键点估计定位目标的中心点,可以有效避免小目标的漏检。同时基于高效深层特征提取网络ResNet50,融合ECA模块以抑制无用信息,增加模型的特征提取能力。在公开森林火灾数据集上进行实验表明,与其他算法相比,本文提出的森林火灾检测算法误检率低,识别精度达到92.39%,F1值为0.86,Recall值为79.75%,FPS为43.31。本文提出的方法检测精度高,可满足实时检测森林火灾和实施精准施救的要求。

一种基于注意力模型的带钢表面缺陷识别算法

为了提高工业带钢的质量和产量,针对传统人工识别难度大、效率低和客观性不够等问题,提出了一种基于软注意力机制的带钢表面缺陷识别方法,对传统深度残差网络ResNet模型进行了改进,使用伪彩色图像增强技术处理图片,得到了新的训练集。实验结果表明,在不同信噪比情况下,相比于传统的模型,改进模型A-ResNet50和A-ResNet101都能准确识别不同类型的带钢表面缺陷图像,在测试集上的准确率分别为98.61%和98.05%,单位推断时间达到了0.078 s和0.130 s,证实了A-ResNet50和A-ResNet101模型在带钢表面缺陷识别上的可行性以及可靠性。所提出的方法识别精度高,实现了带钢表面缺陷的智能识别,同时满足工业识别需求。

基于改进Xception迁移学习的野生菌种类识别研究

由于我国野生菌分布不均,种类多样,一般人群难以辨别野生菌是否可食用,中毒事件时有发生,亟需一种高效的识别野生菌种类的方法。提出了一种新型野生菌种类图片识别模型(Dis-Xception-CBAM),以Xception结构为基准,结合网络权重的迁移学习方法进行特征学习,加入了注意力机制以进一步提取野生菌显式特征,同时引入特征图扰动结构,增加了模型的泛化性能。基于国内常见的野生菌,构建了33种野生菌的图片数据集并进行实验,当初始学习率为0.001,训练迭代次数为300时,Top 1达到96.32%,Top 5达到99.61%。相较于传统图像识别模型,所提模型取得了较好的结果,为野生菌识别研究提供了理论依据。