典型文献
基于TMU-Net网络的苹果果心分割方法
文献摘要：
针对苹果内在品质检测过程中传统测量果心大小方法效率低、准确性差等问题,该研究提出一种基于TMU-Net网络自动分割果心的方法,将Transformer编码器融入U-Net网络结构中,构建改进U型卷积网络TMU-Net模型.模型由特征提取模块、特征处理模块、解码器、特征拼接模块组成,以VGG-16前13层作为主干特征提取网络,在跳跃连接中叠加多重残差空洞卷积(Multiple Residual Dilated Convolution,MRDC)模块,增大感受野的同时增强了模型对底层特征提取能力.采用数据增强技术对果心数据集扩充后,利用迁移学习方法冻结特定的网络层,对TMU-Net模型进行训练.试验结果表明:引入迁移学习并使用最佳训练方式使模型分割精确率提高了22.48个百分点;TMU-Net网络模型在果心分割任务中实现了96.72％的精确率,与U-Net、PSPNet、DeeplabV3+网络对比,精确率分别提升了14.28、9.98、7.15个百分点.该方法能够精准、有效地实现果心分割,可为实现苹果内在品质智能检测提供参考.
文献关键词：
模型;图像分割;果心分割;TMU-Net网络;多重残差空洞卷积;Transformer;迁移学习
中图分类号：
作者姓名：
刘长勇;李思佳;史慧;查志华;邓红涛
作者机构：
新疆农垦科学院,石河子 832000;中山大学电子与通信工程学院,深圳 510275;石河子大学机械电气工程学院,石河子 832000
文献出处：
引用格式：
[1]刘长勇;李思佳;史慧;查志华;邓红涛-.基于TMU-Net网络的苹果果心分割方法)[J].农业工程学报,2022(16):304-312
A类：
TMU,果心分割,内在品质检测,多重残差空洞卷积,MRDC
B类：
苹果,分割方法,检测过程,传统测量,小方,自动分割,Transformer,编码器,卷积网络,取模,特征处理,解码器,特征拼接,VGG,主干特征提取网络,跳跃连接,Multiple,Residual,Dilated,Convolution,感受野,底层特征,特征提取能力,数据增强技术,心数,数据集扩充,迁移学习方法,冻结,网络层,训练方式,模型分割,精确率,百分点,PSPNet,DeeplabV3+,网络对比,智能检测,图像分割
AB值：
0.299798
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
