基于改进ResNet-50的类别不平衡蚕茧图像分类算法

在蚕茧制丝工艺流程中,缫丝前需将蚕茧按照缫丝工艺要求,逐一进行选茧分类工作。针对蚕茧图像数据存在类内差异大、类间差异小以及类别不平衡问题,文中提出一种基于改进ResNet-50的类别不平衡蚕茧图像分类算法。该算法在ResNet-50特征提取网络基础上,从特征图中得到注意力图,之后划分区域,将注意力强度最大区域的特征值减半,以抑制最显著区域特征;提取最显著区域特征并进行特征融合,以增加疵点注意力分布及提高网络表征能力;引入解耦表示学习和分类器学习进行训练,使用类平衡采样微调分类器,引入低频类参数优化损失,以在参数空间进一步调整分类器决策边界。结果表明,该算法在蚕茧图像测试集上分类准确率达96203%,加权F1分数达96196%,相较于ResNet-50分类算法分别提升1243个百分点和1279个百分点;改进算法对中低频类别蚕茧图像分类准确率提升达077~932个百分点。将该算法应用到蚕茧分选系统的视觉模块中可有效提升蚕茧分选效率。

基于椭圆重叠区域的蚕茧图像融合方法

针对现有线性权值分配方法对蚕茧图像进行融合时会在高纬度区域出现蚕茧边缘分界线的问题,提出一种基于椭圆重叠区域的蚕茧图像融合方法。首先,利用最小二乘拟合算法得到待拼接图像中蚕茧表面的等效椭圆,输出其在该图像坐标下的位置方程;再根据图像配准过程中得到的横、纵轴位移距离建立蚕茧图像融合的数学模型,获取等效椭圆重叠区域的点集;最后通过椭圆重叠区域的最大宽建立改进的三角函数权重算法,对椭圆重叠区域进行融合处理。结果表明:该方法的融合效果比渐入渐出算法和三角函数权重算法更优,能够有效消除蚕茧边缘分界线,得到具有良好视觉效果且包含更多信息量的蚕茧融合图像。