Un modelo de clasificación para imágenes de capullos de gusano de seda de grano fino basado en agrupamiento bilineal y fusión de características adaptativas
Autores: Liu, Mochen; Hou, Xin; Shang, Mingrui; Owoola, Eunice Oluwabunmi; Zhang, Guizheng; Wei, Wei; Song, Zhanhua; Yan, Yinfa
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
Categoría
Ciencias Agrícolas y Biológicas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 10
Citaciones: Sin citaciones
La calidad de los capullos de gusano de seda afecta la calidad y el costo del procesamiento de la seda. Es necesario clasificar los capullos de gusano de seda antes de la producción de seda. Las imágenes de los capullos consisten en imágenes de grano fino con grandes diferencias intraclase y pequeñas diferencias interclase. Las sutiles características intraclase plantean un desafío serio para localizar con precisión las áreas efectivas y clasificar los capullos de gusano de seda. Para mejorar la percepción de las características intraclase y la precisión de clasificación, este documento propone un modelo de clasificación de agrupación bilineal (B-Res41-ASE) basado en la fusión y mejora adaptativa de características a múltiples escalas. B-Res41-ASE consta de tres partes: un módulo de extracción de características, un módulo de fusión de características y un módulo de mejora de características. En primer lugar, se construye la red de base, ResNet41, basada en el algoritmo de agrupación bilineal para extraer características completas del capullo. En segundo lugar, se introduce el módulo de fusión de características espaciales adaptativas (ASFF) para fusionar diferentes información semántica y resolver el problema de pérdida de información de grano fino en el proceso de extracción de características. Finalmente, se utiliza el módulo de compresión y excitación (SE) para suprimir información redundante, mejorar el peso de las regiones distinguibles y reducir el sesgo de clasificación. En comparación con la red de clasificación ampliamente utilizada, el modelo propuesto logra el mejor rendimiento de clasificación en el conjunto de pruebas, con un 97.0% y un 1- de 97.5%. El de B-Res41-ASE es 3.1% y 2.6% más alto que el de las redes de clasificación AlexNet y GoogLeNet, respectivamente, mientras que el 1- es 2.5% y 2.2% más alto, respectivamente. Además, el de B-Res41-ASE es 1.9% y 7.7% más alto que el de Bilinear CNN y HBP, respectivamente, mientras que el 1- es 1.6% y 5.7% más alto. Los resultados experimentales muestran que el modelo de clasificación propuesto sin etiquetado complejo supera a otros algoritmos de clasificación de capullos en términos de precisión de clasificación y robustez, proporcionando una base teórica para la clasificación inteligente de capullos de gusano de seda.
Descripción
La calidad de los capullos de gusano de seda afecta la calidad y el costo del procesamiento de la seda. Es necesario clasificar los capullos de gusano de seda antes de la producción de seda. Las imágenes de los capullos consisten en imágenes de grano fino con grandes diferencias intraclase y pequeñas diferencias interclase. Las sutiles características intraclase plantean un desafío serio para localizar con precisión las áreas efectivas y clasificar los capullos de gusano de seda. Para mejorar la percepción de las características intraclase y la precisión de clasificación, este documento propone un modelo de clasificación de agrupación bilineal (B-Res41-ASE) basado en la fusión y mejora adaptativa de características a múltiples escalas. B-Res41-ASE consta de tres partes: un módulo de extracción de características, un módulo de fusión de características y un módulo de mejora de características. En primer lugar, se construye la red de base, ResNet41, basada en el algoritmo de agrupación bilineal para extraer características completas del capullo. En segundo lugar, se introduce el módulo de fusión de características espaciales adaptativas (ASFF) para fusionar diferentes información semántica y resolver el problema de pérdida de información de grano fino en el proceso de extracción de características. Finalmente, se utiliza el módulo de compresión y excitación (SE) para suprimir información redundante, mejorar el peso de las regiones distinguibles y reducir el sesgo de clasificación. En comparación con la red de clasificación ampliamente utilizada, el modelo propuesto logra el mejor rendimiento de clasificación en el conjunto de pruebas, con un 97.0% y un 1- de 97.5%. El de B-Res41-ASE es 3.1% y 2.6% más alto que el de las redes de clasificación AlexNet y GoogLeNet, respectivamente, mientras que el 1- es 2.5% y 2.2% más alto, respectivamente. Además, el de B-Res41-ASE es 1.9% y 7.7% más alto que el de Bilinear CNN y HBP, respectivamente, mientras que el 1- es 1.6% y 5.7% más alto. Los resultados experimentales muestran que el modelo de clasificación propuesto sin etiquetado complejo supera a otros algoritmos de clasificación de capullos en términos de precisión de clasificación y robustez, proporcionando una base teórica para la clasificación inteligente de capullos de gusano de seda.