基于透射图像的内印茧识别研究

目的:针对内印茧分选工作劳动强度大、结果易受主观因素影响的问题,提出一种基于透射图像的内印茧识别方法,并构建出内印茧识别模型。方法:设计了一种能反映蚕茧内部特征的蚕茧透射图像采集装置,通过对透射图像进行滤波、GrabCut等预处理,实现背景分割,然后提取图像颜色特征和纹理特征共10个参量,将其作为网络的输入特征向量,分别训练BP和Adam-BP神经网络模型。结果:Adam-BP神经网络模型的准确率为94%,高于传统BP神经网络,且该模型具有良好的泛化性能。结论:本研究的内印茧识别方法较传统方法更为客观准确,且成功减少了识别过程人工的参与,降低了劳动强度,为实现内印茧分选自动化提供良好基础。

基于CD-YOLO算法的蚕茧种类识别

目的:针对目前蚕茧种类智能化辨别程度低的问题,基于YOLO目标检测算法,结合蚕茧特征提出一种蚕茧种类识别算法(CD-YOLO)。方法:以黄斑茧、烂茧及上车茧为研究对象,对传统YOL-Ov3算法做出轻量化改进,采用C-means算法进行聚类,用于获得匹配蚕茧尺寸的先验框;通过合并BN层与卷积层参数减少运算量,删除不适合蚕茧尺度的特征图,以简化网络结构和加快蚕茧种类预测速度;更改损失函数的组成比例以及引入GIoU边框损失函数,以提高蚕茧分类、定位的准确率。结果:测试结果显示,CD-YOLO算法对蚕茧图像的平均检测精度MAP为92.5%,综合评价指标F1为92.3%,检测速度为20帧/s,与YOLOv3算法相比,MAP提升了11.7%,F1值提升了15.5%,速度提升了42.9%。结论:CD-YOLO算法可实现对蚕茧种类的高精度实时检测。