基于U型卷积神经网络的羊肋排图像分割

摘要

以羊肋排为研究对象,提出了一种基于U型卷积神经网络的羊肋排图像分割算法.采集羊肋排样本图像,利用图像增广技术扩充图像数据,经归一化后,建立羊肋排图像数据集;建立羊肋排图像分割模型U-Net,以卷积和池化运算提取肋排特征,融合肋排的深层特征和浅层特征,经多次反卷积操作实现融合特征的精准定位,得到肋排区域的二值图像,从而实现端到端的图像语义分割;引入精度(PA)、均像素精度(MPA)、平均交并比(MIoU)3种图像语义分割评判标准判断网络的分割性能.试验结果表明:U-Net分割肋排图像PA、MPA、MIoU分别为923.8％,885.2％,842.6％.比较现有的3种经典图像语义分割方法SegNet、FCN8s、FCN32s,U-Net平均交并比(M Io U)较上述3种方法分别高出6.47％,15.34％,258.6％,且处理单幅肋排图像的时间比次优的SegNet缩短48 ms.针对劈半羊胴体图像数据集,U-Net的MIoU为755.7％.