基于高效通道注意力机制与多尺度特征融合的烟丝图像识别方法研究

doi:10.15933/j.cnki.1004-3268.2022.11.017

摘要/Abstract

摘要： 针对现有方法在识别烟丝类型中泛化能力差、准确率低的问题，提出了一种基于高效通道注意力机制与多尺度特征融合的烟丝类型识别方法。对采集的梗丝、膨胀叶丝、叶丝和再造烟丝4类烟丝图像进行降噪处理，处理后的图像经K-means聚类得到图像的前景和后景并完成分割，提高输入图像的抗环境干扰能力和特征提取能力。在Inception-ResNet-V2网络中引入高效通道注意力机制，加强模型提取特征的能力；同时，将改进后的模块输出的特征图进行多尺度融合，增加特征代表性，降低过拟合风险。最后，在比较收敛性和准确性时，用PReLU和AdaBound代替了ReLU激活函数和Adam优化器。结果表明，提出的算法具有较好的泛化能力，能实现4类烟丝高效识别，最终识别精度为97.23%，单幅图像的检测时间为0.107 s。

关键词: 烟丝, k-means算法, Inception网络, 高效通道注意力机制, 多尺度特征融合

Abstract: To address the problems of poor generalization ability and low accuracy of existing methods in identifying tobacco shred，a method for identifying tobacco shred types based on efficient channel attention mechanism and multi‑scale feature fusion is proposed.Noise reduction is performed on the four types of collected tobacco images，cut stem，expanded tobacco silk，tobacco silk and reconstituted tobacco shred，and K‑means clustering is performed on the processed images to obtain the foreground and hindground of images and complete segmentation to improve the environmental interference resistance and feature extraction capability of the input images. An efficient channel attention mechanism is introduced into the Inception‑ResNet‑V2 network to strengthen the model’s ability to extract features；at the same time，the improved module outputs feature maps for multi‑scale fusion to increase feature representation and reduce the risk of overfitting. Finally，the ReLU activation function and Adam optimizer are replaced by PReLU and AdaBound when comparing convergence and accuracy.The experimental results showed that the proposed algorithm had good generalization ability and enabled efficient identification of four types of tobacco shred，with final recognition accuracy of 97.23% and detection time of 0.107 s for a single image.

Key words: Tobacco shred, K?means algorithm, Inception network, Efficient channel attention mechanism, Multi?scale feature fusion

中图分类号:

S126
TS42

刘江鹏, 牛群峰, 靳毅, 陈霞, 王莉, 袁强. 基于高效通道注意力机制与多尺度特征融合的烟丝图像识别方法研究[J]. 河南农业科学, 2022, 51(11): 145-154.

LIU Jiangpeng, NIU Qunfeng, JIN Yi, CHEN Xia, WANG Li, YUAN Qiang. Research on Tobacco Shred Image Recognition Method Based on Efficient Channel Attention Mechanism and Multi‑Scale Feature Fusion[J]. Journal of Henan Agricultural Sciences, 2022, 51(11): 145-154.

参考文献

［1］靖德军，邓志斌，刘刚，等.干法再造烟叶掺配量对卷烟品质的影响［J］.河南农业科学，2015，44（3）：156‑160.
JING D J，DENG Z B，LIU G，et al.Effects of doping content of air‑laid process tobacco sheet on cigarette quality［J］.Journal of Henan Agricultural Sciences，2015，44（3）：156‑160.

［2］胡立中，张胜军，余小平，等.均匀设计-PLS-NIR法预测卷烟配方烟丝中梗丝及薄片丝含量［J］.中国烟草学报，2010，16（2）：26‑30.

HU L Z，ZHANG S J，YU X P，et al.Estimation of cut stem and reconstituted tobacco content in different cigarette blends by uniform design‑PLS‑NIR［J］.Acta Tabacaria Sinica，2010，16（2）：26‑30.

［3］JOHNSON J M.Analysis of the composition of cigarette blends using near infrared spectroscopy ［C］//Proceedings of the 53rd Tobacco Science Research Conference. Montreal：Imperial Tobacco Canada，1999：45.

［4］岳有军，孙碧玉，王红君，等.基于级联卷积神经网络的番茄果实目标检测［J］.科学技术与工程，2021，21（6）：2387‑2391.

YUE Y J，SUN B Y，WANG H J，et al.Object detection of tomato fruit based on cascade RCNN［J］.Science Technology and Engineering，2021，21（6）：2387‑2391.

［5］黄英来，刘亚檀，任洪娥.基于全卷积神经网络的林木图像分割［J］.计算机工程与应用，2019，55（4）：219‑224.

HUANG Y L，LIU Y T，REN H E.Segmentation of forest image based on fully convolutional neural network［J］.Computer Engineering and Applications，2019，55（4）：219‑224.

［6］郑二功，田迎芳，陈涛.基于深度学习的无人机影像玉米倒伏区域提取［J］.河南农业科学，2018，47（8）：155‑160.

ZHENG E G，TIAN Y F，CHEN T.Region extraction of corn lodging in UAV images based on deep learning［J］.Journal of Henan Agricultural Sciences，2018，47（8）：155‑160.

［7］周俊宇，赵艳明.卷积神经网络在图像分类和目标检测应用综述［J］.计算机工程与应用，2017，53（13）：34‑41.

ZHOU J Y，ZHAO Y M.Application of convolution neural network in image classification and object detection［J］.Computer Engineering and Applications，2017，53（13）：34‑41.

［8］董燕，李环宇，李卫杰，等.基于联合剪枝深度模型压缩的种子分选方法研究［J］.河南农业科学，2022，51（1）：162‑170.

DONG Y，LI H Y，LI W J，et al.Research on depth model compression method based on joint pruning for seed sorting［J］.Journal of Henan Agricultural Sciences，2022，51（1）：162‑170.

［9］SHAO Y Y，XUAN G T，ZHU Y Y，et al.Research on automatic identification system of tobacco diseases［J］.The Imaging Science Journal，2017，65（4）：252‑259.

［10］NIU Q F，LIU J P，JIN Y，et al.Tobacco shred varieties classification using Multi‑Scale‑X‑Resnet network and machine vision［J］.Frontiers in Plant Science，2022 （13）：962664-962683.

［11］储岳中，汪佳庆，张学锋，等. 基于改进深度残差网络的图像分类算法［J］.电子科技大学学报，2021，50 （2）：243‑248.

CHU Y Z，WANG J Q，ZHANG X F，et al.Image classification algorithm based on improved deep residual network［J］.Journal of University of Electronic Science and Technology of China，2021，50（2）：243‑248.

［12］暴雨轩，芦天亮，杜彦辉，等.基于i_ResNet34模型和数据增强的深度伪造视频检测方法［J］.计算机科学，2021，48（7）：77‑85.

BAO Y X，LU T L，DU Y H.Deepfake videos detection method based on i_ResNet34 model and data augmentation［J］.Computer Science，2021，48（7）：77‑85.

［13］高震宇，王安，董浩，等.基于卷积神经网络的烟丝物质组成识别方法［J］.烟草科技，2017，50（9）：68‑75.

GAO Z Y，WANG A，DONG H，et al.Identification of tobacco components in cut filler based on convolutional neural network［J］.Tobacco Science&Technology，2017，50（9）：68‑75.

［14］钟宇，周明珠，徐燕，等.基于残差神经网络的烟丝类型识别方法的建立［J］.烟草科技，2021，54（5）：82‑89.

ZHONG Y，ZHOU M Z，XU Y，et al.A method for identifying types of tobacco strands based on residual neural network［J］.Tobacco Science & Technology，2021，54（5）：82‑89.

［15］ACUN͂A A M.The framework convention on tobacco control of the world health organization［J］.Revista Chilena De Enfermedades Respiratorias，2017，33（3）：180‑182.

［16］ZHANG H X，PENG Q X.PSO and K‑means‑based semantic segmentation toward agricultural products［J］.Future Generation Computer Systems，2021，126：82‑87.

［17］SZEGEDY C，IOFFE S，VANHOUCKE V，et al.Inception‑V4，Inception‑ResNet and the impact of residual connections on learning［J］.Proceedings of the AAAI Conference on Artificial Intelligence，2017，31（1）：4278‑4284.

［18］WANG Q，WU B G，ZHU P F，et al.ECA‑Net：Efficient channel attention for deep convolutional neural networks［C］//Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition，2020：11531‑11539.

［19］亢洁，刘港，郭国法.基于多尺度融合模块和特征增强的杂草检测方法［J］.农业机械学报，2022，53（4）：254‑260.

KANG J，LIU G，GUO G F.Weed detection based on multi‑scale fusion module and feature enhancement［J］.Transactions of the Chinese Society for Agricultural Machinery，2022，53（4）：254‑260.

［20］玄英律，万源，陈嘉慧.基于多尺度卷积和注意力机制的LSTM时间序列分类［J］.计算机应用，2022，42（8）：2343‑2352.

XUAN Y L，WAN Y，CHEN J H.Time series classification by LSTM based on multi‑scale convolution and attention mechanism［J］.Journal of Computer Applications，2022，42（8）：2343‑2352.

［21］薛勇，王立扬，张瑜，等.基于卷积神经网络的蜜蜂采集花粉行为的识别方法［J］.河南农业科学，2020，49 （8）：162‑172.

XUE Y，WANG L Y，ZHANG Y，et al.Recognition method of bee collecting pollen behavior based on convolutional neural network［J］.Journal of Henan Agricultural Sciences，2020，49（8）：162‑172.

［22］KIRKLAND E J. Advanced computing in electron microscopy［M］.Switzerland：Springer Nature，2020：354‑365.

［23］冯晓，李丹丹，王文君，等.基于轻量级卷积神经网络和迁移学习的小麦叶部病害图像识别［J］.河南农业科学，2021，50（4）：174‑180.

FENG X，LI D D，WANG W J，et al.Image recognition of wheat leaf diseases based on lightweight convolutional neural network and transfer learning［J］.Journal of Henan Agricultural Sciences，2021，50（4）：174‑180.

［24］杨振宇，张登辉.一种结合BERT与双层LSTM的复杂长句意图分类方法［J］.计算机应用与软件，2021，38 （12）：207‑212.

YANG Z Y，ZHANG D H.A complex long sentence intention classification method combining BERT and double‑layer LSTM ［J］.Computer Applications and Software，2021，38（12）：207‑212.

[1]	武云杰, 刘欢, 王瑞珍, 王浩宇, 孙觅, 郑聪, 吴剑平, 周建军, 田斌强, 李春光. 烟丝加工过程中的破碎规律研究[J]. 河南农业科学, 2024, 53(2): 162-170.
[2]	刘国栋，王旭锋，李向阳. 制丝工艺参数对烟叶叶丝耐加工性和填充值的影响[J]. 河南农业科学, 2015, 44(8): 145-148.