基于PHAM-YOLO网络的卷烟纸燃烧线检测方法OA北大核心
为实现卷烟纸燃烧时燃烧线的准确识别,构建了常见应用场景下的卷烟纸燃烧线数据集。针对检测背景复杂、多目标、燃烧线尺度不一且形状各异的难题,将并行混合注意机制嵌入了YOLO v5主干网络,构建了PHAM-YOLO网络模型用于卷烟纸燃烧线的检测。采用特征金字塔快速池化、边界盒回归等方法提升了卷烟纸燃烧线的定位准确性。结果表明,对于卷烟纸燃烧线数据集,PHAM-YOLO网络检测平均精度均值、精度和召回率分别为99.0%、99.8%和99.0%,其中平均精度均值比原始模型提高了5.0%,高于其他类型的目标检测方法。
董浩;王澍;陆晓家;刘强;郭晓伟;高俊杰;张龙;胡兴锋;周明珠;邢军;
中国科学技术大学,安徽合肥230026 中国科学院合肥物质科学研究院,安徽合肥230031 国家烟草质量监督检验中心,河南郑州450001中国科学院合肥物质科学研究院,安徽合肥230031内蒙古昆明卷烟有限责任公司,内蒙古呼和浩特010020重庆中烟工业有限责任公司,重庆400060国家烟草质量监督检验中心,河南郑州450001
轻工业
卷烟纸燃烧线检测YOLO并行混合注意机制
《中国造纸》 2024 (003)
P.121-125 / 5
烟草行业标准项目“卷烟包灰性能测试方法”(2021B023);国家烟草专卖局重大科技项目“烟草行业质量监控大数据构建及应用研究”(110202101080(SJ-04))。
评论