来源：期刊VIP网 时间：
作者：张伟伟;姬远鹏;元春波;王君婷;齐晓任;张卫正;李萌;饶智;
单位：郑州轻工业大学计算机科学与技术学院;浙江中烟工业有限责任公司宁波卷烟厂;湖北中烟工业有限责任公司技术中心;河南省烟草公司安阳市公司;郑州轻工业大学烟草科学与工程学院;红云红河烟草(集团)有限责任公司;
摘要：为精准识别并高效分割粘连烟丝，提出一种基于改进掩码区域卷积神经网络模型(Mask R-CNN)的粘连烟丝识别方法。首先，采集粘连烟丝图像，通过图像增强操作将数据集扩充到训练模型所需的样本数量；其次，在Mask R-CNN模型的基础上对训练样本中的粘连烟丝图像进行边缘特征提取、分形特征提取，获得更清晰、连续的图像边缘特征信息和纹理特征信息；再次，将原始特征、边缘特征、分形特征进行融合以充分利用不同层次的特征信息，丰富底层特征；最后，通过引入混合注意力机制关注特征图的通道和空间维度，从而提高粘连烟丝识别的效率和准确性。模型性能对比结果表明：基于改进Mask R-CNN模型的识别方法的平均交并比(Avg.MIoU)为85.29%,类别平均像素准确率(Avg.MPA)为84.33%,其能够快速、准确地识别并分割出单根烟丝，识别效果优于Mask R-CNN和DeepLabV3+模型识别方法，可为后续烟丝宽度检测提供技术支持。
关键词：粘连烟丝;;改进Mask R-CNN模型;;边缘特征提取;;特征融合;;混合注意力机制
基金资助：河南省科技攻关项目(242102110334);; 河南省高等学校重点科研项目(24B520039);; 云南中烟工业有限责任公司重点项目(JB2022YL02)
