期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于改进Cascade R-CNN的酒液杂质检测算法 被引量：1
1
作者 郑明钊 赵润程 +2 位作者 张高毓 樊旭 司凯 《广东通信技术》 2025年第1期62-68,共7页
瓶装白酒中存在杂质会影响产品质量,目前已有基于机器视觉的杂质检测方法。为提升基于机器视觉的检测方法的精度,提出了一种改进的Cascade R-CNN算法用于自动检测酒液中的杂质。该方法采用Cascade R-CNN的基础架构,通过在骨干网络中引入... 瓶装白酒中存在杂质会影响产品质量,目前已有基于机器视觉的杂质检测方法。为提升基于机器视觉的检测方法的精度,提出了一种改进的Cascade R-CNN算法用于自动检测酒液中的杂质。该方法采用Cascade R-CNN的基础架构,通过在骨干网络中引入DCN v2以增强模型捕捉酒液杂质关键特征的能力;应用Libra R-CNN的平衡特征金字塔(BFP)以平衡候选区域的特征质量,为训练提供更提供更丰富的特征表示;使用InstaBoost进行数据增强,通过随机改变小目标实例的位置和大小来增加训练数据的多样性。通过与Faster R-CNN算法的对比实验结果分析,改进后的Cascade R-CNN算法相较于Faster R-CNN算法的AP值(平均精度)有明显的提升;改进后的Cascade R-CNN算法相较于Cascade R-CNN算法BaseLine的AP值有明显提升。因此,该研究提出的改进Cascade R-CNN算法针对酒液杂质的检测精度的提升是有效的。 展开更多
关键词 Cascade R-CNN 小目标检测 DCN v2 BFP instaboost
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部