基于多尺度重叠滑动池化的SSD果冻杂质检测方法

作者：张芳慧; 章春娥; 张琳娜^*; 岑翼刚; 阚世超

来源：信号处理, 2020, 36(11): 1811-1818.

DOI：10.16798/j.issn.1003-0530.2020.11.003

• 果冻杂质检测
• 深度学习
• 多尺度重叠滑动池化
• 迁移学习
• 目标检测算法

提出一种基于SSD的杂质检测方法,用于检测生产线中果冻内部的杂质,并标注出杂质的类型和位置。在预处理阶段,提出滑动图像块分割方法,将整张果冻图像分割成若干图像块,避免杂质占比过小,造成准确率低的现象。使用迁移学习的方法,将神经网络在ImageNet数据库上学习到的特征迁移到果冻数据库中,加快网络收敛速度,同时,在一定程度上避免了过拟合现象。提出多尺度重叠滑动池化(SOSP)方法,取代第五层池化以取得更加鲁棒的特征池化。最后,将一幅图下的所有分割块上的检测结果进行整合,得到整张图像的检测结果。实验结果表明,本文提出的方法有效可行,对多种缺陷平均准确率达到0.7271。相比其他方法,本文的算法更具鲁棒性,可应用到果冻生产线中。

• 单位
  贵州大学; 北京交通大学