基于物体显著性自监督学习的片烟杂物检测方法

作者：王小飞; 李东方; 李玉珩; 陈传通

来源：烟草科技, 2023, 56(12): 76-83.

DOI：10.16135/j.issn1002-0861.2023.0342

• 片烟
• 杂物
• 识别
• 深度学习
• 显著性目标检测
• 聚类分析

为提高片烟杂物识别准确率，将深度学习图像处理方法与聚类算法相结合，提出一种基于物体显著性自监督学习的片烟杂物检测方法。首先利用深度学习网络检测出片烟图像中的显著性目标，再对检测目标特征进行聚类分析并剔除正常物体；然后采用基于时间序列的状态累积检测方法确定检测杂物的真实性。结果表明：所建立的两级U-Net模型对片烟杂物检测的平均IoU(Intersection over Union)和MAE(Mean Absolute Error)分别为0.90、0.054，均优于对比的BASNet和U-Net模型；杂物平均识别率达到96.6%，图像处理时间为21 ms/张，能够满足现场检测实时性要求。该方法可为提高片烟杂物分类识别效率提供支持。

• 单位
  秦皇岛烟草机械有限责任公司; 山东中烟工业有限责任公司