【技术实现步骤摘要】
本专利技术涉及图像处理，更具体地，涉及一种细粒度蚕茧检测方法、装置及介质。
技术介绍
1、在桑蚕茧的生产工厂，工作人员需要手工对难以缫丝的下茧进行分拣，以确保生丝质量，从而获得高质量的丝绸产品。基于机器视觉的桑蚕茧智能分拣是一个很好的替代方案，使用深度学习目标检测算法对蚕茧图像进行特征提取和蚕茧的分类和位置的回归，为装载抓手的多自由度机器人提供精确可靠的数据支撑，实现桑蚕茧的智能化分拣，从而提高分拣效率。然而，蚕茧图像与常规数据集相比，有着目标分布密集、蚕茧类别之间外观相似、并且存在部分瑕疵茧中的缺陷所占像素较少(如图1中矩形框标注区域)的特点，导致传统目标检测算法和针对于常规数据集的目标检测算法难以高效准确地完成瑕疵茧的识别和定位任务。
技术实现思路
1、提供了本专利技术以解决现有技术中存在的上述问题。因此，需要一种细粒度蚕茧检测方法、装置及介质，进行了以下两个方面的改进：
2、(1)主干网络。
3、本专利技术设计了一个用于高效提取蚕茧图像细粒度特征的骨干网络，它...
【技术保护点】
1.一种细粒度蚕茧检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述混合特征提取网络包括局部特征提取块、全局特征提取块以及前馈神经网络，响应于输入的蚕茧图像，所述局部特征提取块和全局特征提取块分别提取出局部特征图和全局特征图，所述前馈神经网络包括扩展层、深度卷积、通道注意力、投影层以及残差连接，其中所述深度卷积用于提取所述局部特征图或所述全局特征图的局部信息，所述通道注意力用于自适应地学习各局部特征图或全局特征图中各通道的权值，以得到局部特征和全局特征。
3.根据权利要求2所述的方法，其特征在于，所述局部特征提...
【技术特征摘要】
1.一种细粒度蚕茧检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述混合特征提取网络包括局部特征提取块、全局特征提取块以及前馈神经网络，响应于输入的蚕茧图像，所述局部特征提取块和全局特征提取块分别提取出局部特征图和全局特征图，所述前馈神经网络包括扩展层、深度卷积、通道注意力、投影层以及残差连接，其中所述深度卷积用于提取所述局部特征图或所述全局特征图的局部信息，所述通道注意力用于自适应地学习各局部特征图或全局特征图中各通道的权值，以得到局部特征和全局特征。
3.根据权利要求2所述的方法，其特征在于，所述局部特征提取块通过如下公式计算得到局部特征：
4.根据权利要求3所述的方法，...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。