System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种轻量化高效羽毛特征分割识别系统技术方案_技高网

一种轻量化高效羽毛特征分割识别系统技术方案

技术编号:44702579 阅读:3 留言:0更新日期:2025-03-21 17:37
一种轻量化高效羽毛特征分割识别系统,包括:引入HPCDown降采样模块和WTConv模块的Backbone层主干网络模块,引入HPCDown降采样模块和基于卷积的跨尺度特征融合结构CCFF结构模块的Neck层融合模块,带有分割检测Segment网络的Head层模块,羽毛数据预处理模块。本发明专利技术的目的在于,针对羽毛生产行业的实时分割检测任务需求,设计一种轻量高效的羽毛分割网络,不仅实现了对羽毛分类检测,还提高了羽毛分类检测效果的准确性和稳定性,为资源受限场景下的羽毛工业生产环境的实时分割检测任务提供了一种轻量高效的解决方案。

【技术实现步骤摘要】

本专利技术是设计一种轻量化高效羽毛特征分割识别系统,属于面向羽毛特征分类检测的工业生产应用领域的一种全新的技术。


技术介绍

1、羽毛是羽毛球等运动产品的关键组成部分,不同大小和质量的羽毛会影响羽毛球的飞行稳定性和耐用性,从而直接影响了用户体验,因此,在生产过程中确保羽毛的精准分类是至关重要的。传统的羽毛分类方法通常依赖人工检测,该方法存在主观性强、劳动强度大、效率低、成本高且易受到检测人员经验、疲劳和主观因素的影响,难以满足现代工业对高精度和高效率的需求,同时,虽然基于机器视觉和图像处理技术的自动化分类这些技术能作为一种应用于羽毛特征识别的方法技术,但在应对具有复杂背景和羽毛多样性的羽毛识别时,检测的准确性和稳定性仍存在一定的不足。

2、近年来,随着深度学习技术的迅速发展,卷积神经网络(cnn)等模型在图像识别和分类任务中展现了卓越性能,将深度学习技术应用于羽毛分类已成为研究热点。深度学习模型因其自适应性和泛化能力,能够显著提高羽毛分类的效率和可靠性,满足现代工业对高标准质量控制的需求。许多研究机构和相关企业纷纷投入资源,致力于开发更为先进的基于深度学习的分类技术,以提升产品质量、降低生产成本并提高生产效率。然而,现有的深度学习检测方法技术中,在特征提取时,网络参数量大,导致计算复杂度高、检测速度较慢,难以完全满足羽毛分类的实时性要求。

3、为提高羽毛在分类和检测任务中的准确性、稳定性及检测速度,如何设计出能应对羽毛复杂检测背景、羽毛种类多样性、并且能克服当前深度学习模型计算复杂度高和检测速度较慢等问题的羽毛特征识别深度学习模型,构建一种在工业检测领域应用的轻量高效特征分割方法系统,满足对羽毛工业生产环境进行实时性的分类和检测需求,是羽毛生产行业急需解决的问题。


技术实现思路

1、本专利技术要解决的问题是,针对羽毛生产行业的实时分割检测任务需求,设计了一种轻量化高效羽毛特征分割识别系统,是一种基于hwc-yolo网络架构的轻量高效hwc-yolo的羽毛特征分割识别网络。该系统能实现对羽毛分类检测,还能提高羽毛分类检测效果的准确性和稳定性,为资源受限场景下的羽毛工业生产环境的实时分割检测任务提供了一种轻量高效的解决方案。

2、具体为:通过引入混合池化卷积下采样hpcdown(hybrid pooling convolutiondownsampling)网络结构模块降采样模块降低分辨率的同时保留羽毛纹理和背景信息;再由卷积操作增强对细节的捕捉能力;为有效捕捉图像的局部特征和全局特征,引入特征提取层融入wtconv(wavelet convolutions)网络结构模块对特征图进行小波变换分解不同频带的信息增强低频特征扩大感受野;采用基于卷积的跨尺度特征融合ccff(convolution-based cross-scale feature fusion)网络结构模块融合不同尺度的特征,提升模型对尺度变化的适应性和对羽毛细节纹理的检测能力;最后通过分割检测segment网络进行目标定位和分类。

3、本专利技术的技术方案是:一种轻量化高效羽毛特征分割识别系统,包括:引入hpcdown降采样模块和wtconv模块的backbone层主干网络模块,引入hpcdown降采样模块和基于卷积的跨尺度特征融合结构ccff结构模块的neck层融合模块,带有分割检测segment网络的head层模块,还包括羽毛数据预处理模块;

4、所述backbone层主干网络模块用于进行羽毛特征提取;

5、所述neck层用于融合不同尺度的羽毛特征;

6、所述head层用于对不同尺度的羽毛特征输出进行目标分类和位置回归预测。

7、进一步的,所述hpcdown降采样模块由最大池化突出特征模块、平均池化平滑处理模块和卷积降采样模块构成;所述最大池化突出特征模块用于将羽毛特征图拆分成第一部分x1和第二部分x2进行分别处理来丰富羽毛特征;所述最大池化突出特征模块第一部分x1为平均池化网络,用于进行羽毛平滑处理保留背景或非极端特征;所述最大池化突出特征模块第二部分x2为卷积处理网络,用于在降采样的同时捕捉更多空间信息;所述最大池化突出特征模块将第一部分x1和第二部分x2沿通道维度合并融合特征图,处理具有复杂纹理和细节的羽毛图像的特征。

8、进一步的,wtconv模块包括wtconv_c2f模块和wtconv_c3c2f模块;

9、所述wtconv_c2f模块为基于wtconv模型的c2f模型,用于在backbone层金字塔网络的低层对小尺寸和中尺寸羽枝、羽根特征进行提取;

10、所述wtconv_c3c2f模块为基于wtconv模型的c3c2f模型,用于在backbone层金字塔网络的高层较大和完整的羽毛特征的处理。

11、进一步的,所述wtconv模块结构为基于c2f框架融合wtconv_bottleneck网络;

12、所述wtconv_c2f模块为基于c2f框架融合wtconv_bottleneck结构的wtconv_c2f特征提取层;

13、所述wtconv_c3c2f模块为基于c2f框架融合wtconv_bottleneck结构的wtconv_c3k2特征提取层;

14、所述wtconv_bottleneck网络由卷积和小波卷积wtconv结合进行特征提取,再通过一个残差连接增强梯度流动,在空间域进行局部特征提取。

15、进一步的,所述ccff结构模块包括金字塔网络fpn_block模块和路径聚合网络pan_block模块;所述fpn_block模块,用于将主干网络的高层特征图上采样恢复特征图尺寸后,再与fpn_block底层特征图的特征进行拼接融合;所述pan_block模块,用于将pan_block底层特征图通过hpcdown降采样模块扩大感受野,再与fpn_block高层特征图进行拼接融合。

16、进一步的,所述backbone层和所述head层之间,还包括一个1x1卷积模块(cbs模块),用于进行head层模块结构输入通道调整,调整后通道数为256。

17、进一步的,所述羽毛数据预处理模块包括:改变亮度模块、加噪声模块、图像平移模块、图像裁剪模块、加随机点模块。

18、进一步的,所述segment网络用于进行羽毛目标定位和分类。

19、与现有技术相比,本专利技术有益效果在于:

20、本专利技术提出一种基于hwc-yolo网络结构的轻量化高效羽毛特征分割识别系统。

21、本专利技术的目的在于,本文构建一种轻量高效羽毛分割算法实现对羽毛进行分类检测,满足对羽毛工业生产环境进行实时性的分类和检测需求。通过引入混合池化卷积下采样hpcdown(hybrid pooling convolution downsampling)网络结构模块降采样模块降低分辨率的同时保留羽毛纹理和背景信息;再由卷积操作增强对细节的捕捉能本文档来自技高网...

【技术保护点】

1.一种轻量化高效羽毛特征分割识别系统,其特征在于,包括:引入HPCDown降采样模块和WTConv模块的Backbone层主干网络模块,引入HPCDown降采样模块和基于卷积的跨尺度特征融合结构CCFF结构模块的Neck层融合模块,带有分割检测Segment网络的Head层模块,还包括羽毛数据预处理模块;

2.根据权利要求1所述的一种轻量化高效羽毛特征分割识别系统,其特征在于所述HPCDown降采样模块由最大池化突出特征模块、平均池化平滑处理模块和卷积降采样模块构成;所述最大池化突出特征模块用于将羽毛特征图拆分成第一部分x1和第二部分x1进行分别处理来丰富羽毛特征;所述最大池化突出特征模块第一部分x1为平均池化网络,用于进行羽毛平滑处理保留背景或非极端特征;所述最大池化突出特征模块第二部分x2为卷积处理网络,用于在降采样的同时捕捉更多空间信息;所述最大池化突出特征模块将第一部分x1和第二部分x2沿着通道维度合并融合特征图,处理具有复杂纹理和细节的羽毛图像。

3.根据权利要求1所述的一种轻量化高效羽毛特征分割识别系统,其特征在于所述WTConv模块包括WTConv_C2f模块和WTConv_C3C2f模块;

4.根据权利要求3所述的一种轻量化高效羽毛特征分割识别系统,其特征在于所述WTConv模块用于进行特征融合和特征增强;

5.根据权利要求1所述的一种轻量化高效羽毛特征分割识别系统,其特征在于所述CCFF结构模块包括金字塔网络FPN_Block模块和路径聚合网络PAN_Block模块;所述FPN_Block模块,用于将主干网络的高层特征图上采样恢复特征图尺寸后,再与FPN_Block底层特征图的特征进行拼接融合;所述PAN_Block模块,用于将PAN_Block底层特征图通过HPCDown降采样模块扩大感受野,再与FPN_Block高层特征图进行拼接融合。

6.根据权利要求1所述的一种轻量化高效羽毛特征分割识别系统,其特征在于所述Backbone层和所述Head层之间,还包括一个1x1卷积模块,用于进行Head层模块结构输入通道调整,调整后通道数为256。

7.根据权利要求1所述的一种轻量化高效羽毛特征分割识别系统,其特征在于所述羽毛数据预处理模块包括:改变亮度模块、加噪声模块、图像平移模块、图像裁剪模块、加随机点模块。

...

【技术特征摘要】

1.一种轻量化高效羽毛特征分割识别系统,其特征在于,包括:引入hpcdown降采样模块和wtconv模块的backbone层主干网络模块,引入hpcdown降采样模块和基于卷积的跨尺度特征融合结构ccff结构模块的neck层融合模块,带有分割检测segment网络的head层模块,还包括羽毛数据预处理模块;

2.根据权利要求1所述的一种轻量化高效羽毛特征分割识别系统,其特征在于所述hpcdown降采样模块由最大池化突出特征模块、平均池化平滑处理模块和卷积降采样模块构成;所述最大池化突出特征模块用于将羽毛特征图拆分成第一部分x1和第二部分x1进行分别处理来丰富羽毛特征;所述最大池化突出特征模块第一部分x1为平均池化网络,用于进行羽毛平滑处理保留背景或非极端特征;所述最大池化突出特征模块第二部分x2为卷积处理网络,用于在降采样的同时捕捉更多空间信息;所述最大池化突出特征模块将第一部分x1和第二部分x2沿着通道维度合并融合特征图,处理具有复杂纹理和细节的羽毛图像。

3.根据权利要求1所述的一种轻量化高效羽毛特征分割识别系统,其特征在于所述wtconv模块包括wtconv_c2f模块和...

【专利技术属性】
技术研发人员:张巧芬许志杰霍启乐梁恩源吴佳毅王桂棠吴黎明
申请(专利权)人:广东工业大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1