基于轻量级对称结构网络的棉花图像分割算法

棉纺产线中的自动化、数字化设备提高了产线的生产效率与质量,但在当前仍存在棉纺产线管道棉流中棉花状况难检测的问题。因此,结合棉纺产线中棉流图像的特征,提出了一种基于轻量级网络的分割方法(Light cotton-net)。网络基于一种对称编解码结构,通过优化卷积方式与上采样方法、设计特称提取结构,在保证分割精度在误差可接受范围内的同时大幅减少网络参数、提高网络预测速度。以异纤机中拍摄的棉流图像为数据集,加入随机偏移、缩放、亮度变换等数据增广操作。实验数据表明,在网络参数量6.0M(million),预测每张图片时间为35.328ms的情况下,模型的分精确度和召回率分别为96.63%和93.87%,模型分割精度基本与U-net网络等同,参数量约为其1/3,图像分割速度约为其5倍,模型对系统内存及算力的需求更低,更适合在工业设备上的部署。