摘要:針對(duì)輸送帶場景中羊肉分體需要進(jìn)一步分類檢測問題,提出一種基于單階段目標(biāo)檢測算法的羊肉多分體實(shí)時(shí)分類檢測方法,。在羊屠宰車間環(huán)境下采集包含多類,、多個(gè)羊肉分體圖像,經(jīng)圖像增廣及歸一化后建立羊肉多分體圖像數(shù)據(jù)集,,其中訓(xùn)練集7200幅,,測試集1400幅,驗(yàn)證集400幅。利用單階段目標(biāo)檢測算法YOLO v3引入遷移學(xué)習(xí)對(duì)羊肉多分體圖像數(shù)據(jù)集展開訓(xùn)練并獲得最優(yōu)模型,,基于最優(yōu)模型返回圖像中各羊肉分體的類別及其位置,,從而實(shí)現(xiàn)羊肉分體的分類檢測。選用平均精度及單幅圖像平均處理時(shí)間作為評(píng)判模型檢測精度與速度指標(biāo),。然后通過更換羊肉多分體識(shí)別模型的特征提取網(wǎng)絡(luò)優(yōu)化檢測速度,。另外設(shè)置包含亮、暗兩種亮度水平的附加光照數(shù)據(jù)集以及代表羊肉分體遮擋情形的附加遮擋數(shù)據(jù)集,,分別驗(yàn)證優(yōu)化后模型的泛化能力與抗干擾能力,,并通過多尺度特征明顯的頸部與腹肋肉測試優(yōu)化后模型的魯棒性。最后引入Mask R-CNN,、Faster R-CNN,、Cascade R-CNN和SSD 4種常用目標(biāo)檢測算法針對(duì)不同數(shù)據(jù)集分別進(jìn)行對(duì)比試驗(yàn),在此基礎(chǔ)上,,進(jìn)一步更換特征提取網(wǎng)絡(luò)為MobileNet V1,、ResNet34和ResNet50驗(yàn)證優(yōu)化后模型的綜合檢測能力。試驗(yàn)結(jié)果表明,,優(yōu)化后模型的檢測速度較原始模型提升48.53%,,同時(shí)對(duì)光照、遮擋復(fù)雜環(huán)境下羊肉多分體識(shí)別具備較強(qiáng)的泛化能力與抗干擾能力,,以及對(duì)多尺度特征顯著的羊肉分體檢測具有良好的魯棒性,,針對(duì)羊肉多分體圖像驗(yàn)證集,優(yōu)化后羊肉多分體識(shí)別模型的平均精度達(dá)到88.05%,,單幅圖像處理時(shí)間為64.7ms,,綜合檢測能力優(yōu)于其他算法,說明該方法具備較高的檢測精度和良好的實(shí)時(shí)性,,能夠滿足實(shí)際生產(chǎn)需求,。