基于改进UNet模型的原棉杂质图像分割方法

作者：许涛; 麻爱松; 吕欢; 郭强; 高琛

来源：西安工程大学学报, 2023, 37(01): 77-83.

DOI：10.13338/j.issn.1674-649x.2023.01.010

• 残差网络
• UNet
• 迁移学习
• 原棉杂质
• 图像分割

为了提升原棉混合杂质图像的分割准确率和时效性，提出一种改进UNet模型的原棉杂质分割算法。在ResNet50结构基础上设计新的编码模块，采用1个卷积层将最后3个残差模块和全连接层进行替换，对模型参数量实施优化，提高图像特征信息的提取能力；设计CEloss与Dice loss组合的损失函数，优化正负样本比例不均衡，改善模型细小杂质的分割能力；最后，运用迁移学习方法，以VOC数据集为基础，对主干网络权重初始化编码器预训练，进一步优化因图像数据量少导致的模型收敛慢等问题。实验验证表明，改进方法MPA值提升24.52%,准确率达到88.24%,单张图像处理时间缩短至21.9 ms,较传统方法提升49.42%,此改进方法可有效提升原棉杂质图像分割的准确率和时效性。

• 单位
  西安工程大学; 机电工程学院