基于坐标注意力机制增强的CenterNet模型在烟草甲检测中的应用

来源：湖北农业科学杂志2024年第11期北京时间：

作者：孙俊峰, 王保录, 黄琰淦, 黄滔

单位：广西中烟工业有限责任公司柳州卷烟厂,广西 柳州 545000

摘要：通过在CenterNet模型中引入坐标注意力机制,使CAM-CenterNet模型更多地关注对烟草甲（Lasioderma serricorne）（以下简称烟虫）表征能力好的通道和位置,降低烟丝、烟末等杂质的干扰,将精确率（Precision）、召回率（Recall）、平均精度（mAP）、每秒帧率（FPS）以及模型参数量（Params size）作为评价指标,对CAM-CenterNet模型、CenterNet模型、YOLOv3模型和Faster R-CNN模型的烟虫检测性能进行对比。结果表明,在召回率和平均精度方面,YOLOv3模型表现最好,CAM-CenterNet模型稍落后于YOLOv3模型,但高于其他模型;在帧率方面,CAM-CenterNet模型检测烟虫图像的速度较YOLOv3模型更快,且模型参数量更少,对设备配置要求更低。在检测个体较小的烟虫时,CAM-CenterNet模型的烟虫检出数量高于Faster R-CNN模型、YOLOv3模型。CAM-CenterNet模型不仅能更多地关注烟虫目标特征,而且能很好地抑制烟丝、烟末等杂质带来的干扰,实现烟虫的有效检测。CAM-CenterNet模型能满足卷烟厂对烟虫检测速度和精度的要求,可以为烟厂的烟虫整治提供技术支持。

关键词：坐标注意力机制,CenterNet模型,CAM-CenterNet模型,烟草甲（Lasiodermaserricorne）检测

基金资助：广西壮族自治区工业和信息化厅技术创新项目（GXZYBF2022D004）