来源：期刊VIP网 时间：
作者：蔡礼扬;宁萌;杨九洲;陈义亮;马泓睿;王雨芊;
单位：江南大学智能制造学院;江南大学江苏省食品先进制造装备技术重点实验室;
摘要：为解决对虾加工中部位精准分割的问题，提出一种基于深度学习的方法来完成对虾各部位的语义分割。融入SimAM空间注意力机制于语义分割模型Mask R-CNN的特征提取网络ResNet的残差块中，并采用Sobel算子进行边缘提取，增加边缘损失函数，提升模型边缘分割精度。结果表明，模型的平均交并比为94.14%，平均像素准确率为97.06%，头部轮廓交并比为84.12%，躯干轮廓交并比为83.79%，尾部轮廓交并比为94.31%。采用相同的数据集和试验环境与Unet,PSPNet,SegNet,Segformer进行对比试验，所提出的方法分割效果优于其他经典分割模型，可较好地完成对虾部位的分割任务。研究结果为对虾加工领域提供一种新思路。
关键词：对虾;;部位分割;;Mask R-CNN模型;;边缘监督;;注意力机制
基金资助：国家重点研发计划项目（2022YFD2100304）;; 国家自然科学基金资助项目（51705201）
