基于改进YOLOv3的棉花异性纤维检测

• 作者: 吴谨 巫明秀 张晨 朱磊
• 来源期刊: 液晶与显示
• 学科: 工学
• 关键词: 棉花 目标检测 YOLOv3网络 MobileNets网络 深度学习
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 图像处理
• 页码范围: 1195-1203
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.37188/YJYXS20203511.1195

摘要

针对棉花异性纤维检测准确率不高、实时性较差的问题,以棉花为研究对象,提出了一种基于改进YOLOv3的棉花异性纤维检测方法.引入轻量级MobileNets网络为特征提取网络,结合YOLOv3的多尺度特征融合检测网络,构建改进的MobileNets-YOLOv3模型.提出一种分段式学习率,以增强学习效果.将实际采集到的真实棉花异性纤维图像数据集按4∶1的比例划分为训练集和测试集,并使用对比度增强、水平镜像等6种图像增广方法扩充数据集.对扩充前后的数据集、不同的学习率、改进前后的YOLOv3模型、本文模型与Faster R-CNN和SSD 300模型做了对比试验.实验结果表明,数据集的增广、改进后的分段式学习率均能改善训练模型的过拟合现象,在测试集上的平均正确率(mAP)分别提高了3.6％、5.64％;改进后的YOLOv3模型对测试集进行检测的平均正确率(mAP)为84.82％,帧速率为66.67 f·s-1,识别精度优于YOLOv3模型,提高了2.03％,帧速率是YOLOv3模型的3倍,总体性能也优于Faster R-CNN和SSD_300模型,能较好地满足棉花异纤检测的精度和实时性要求.