基于多尺度重叠滑动池化的SSD果冻杂质检测方法

来源：信号处理杂志 2020年第11期北京时间：

作者：张芳慧, 章春娥, 张琳娜, 岑翼刚, 阚世超

摘要：提出一种基于SSD的杂质检测方法，用于检测生产线中果冻内部的杂质，并标注出杂质的类型和位置。在预处理阶段，提出滑动图像块分割方法，将整张果冻图像分割成若干图像块，避免杂质占比过小，造成准确率低的现象。使用迁移学习的方法，将神经网络在ImageNet数据库上学习到的特征迁移到果冻数据库中，加快网络收敛速度，同时，在一定程度上避免了过拟合现象。提出多尺度重叠滑动池化(SOSP)方法，取代第五层池化以取得更加鲁棒的特征池化。最后，将一幅图下的所有分割块上的检测结果进行整合，得到整张图像的检测结果。实验结果表明，本文提出的方法有效可行，对多种缺陷平均准确率达到0.7271。相比其他方法，本文的算法更具鲁棒性，可应用到果冻生产线中。

关键词：果冻杂质检测, 深度学习, 多尺度重叠滑动池化, 迁移学习, 目标检测算法