基于DSConv与CBAM的棉花异纤识别

• 作者: 吴志炜 师红宇
• 来源期刊: 棉纺织技术
• 学科: 工学
• 关键词: 棉花 异纤 深度学习 深度可分离卷积 注意力机制 图像识别
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 技术专论|Technical Symposium
• 页码范围: 19-23
• 页数: 5页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1001-7415.2022.03.005

摘要

建立一种用于识别棉花中异纤的深度学习模型.该模型将传统卷积与深度可分离卷积相结合,使得模型较为精简,易于训练;同时引入了卷积层注意力机制,加强了模型对于复杂背景下异纤的识别能力.试验结果表明:该模型在测试集上的识别准确率为91.93％,相比于传统图像分类网络平均提高了4.47个百分点,同时检测单幅图像仅需0.015 s.认为:本研究提出的模型可以较好地满足实际场景的检测需要.