基于改进RT-DETR的玉米缺陷粒检测算法

摘要

为了解决玉米籽粒缺陷检测中小尺度缺陷特征易丢失、高频细节捕捉不足的问题，提出一种高频缺陷捕捉检测变换器(high-frequency defect capture detection transformer, HDC-DETR)模型。该模型以实时目标检测变换器(real-time detection transformer, RT-DETR)模型为基础，在主干网络中引入高频增强残差块(high-frequency enhanced residual block, HFERB),并结合跨阶段局部网络(cross stage partial network, CSPNet)的设计思想，构建高频捕获卷积网络(high-frequency capture convolutional network, HCCNet);在中间层引入多分支模块(diverse branch block, DBB),构建基于多分支的C3模块(diverse branch block-based C3 module, DBBC3);在特征融合的上采样环节，采用内容感知重组特征(content-aware reassembly of features, CARAFE)算子替代传统上采样方法。在自建的玉米籽粒数据集上，将HDC-DETR模型与当前主流的检测模型进行性能对比；并开展消融实验，验证各改进模块的有效性。结果表明：在自建的玉米籽粒数据集上，HDC-DETR模型的mAP@50和mAP@50-95分别达到96.48%和68.51%,较原始RT-DETR模型分别提升2.25个百分点和2.23个百分点；该模型的参数量和计算量分别降至14.3 MB和44.7 GFLOPs,较原始模型分别减少28.14%和21.58%。所提模型有效提升了玉米籽粒小尺度缺陷的检测精度，可为农产品质量自动分选系统提供可靠的技术支撑，在粮食收购、深加工前处理等工业化质检场景中具备较大的实际应用价值。

关键词

计算机图像处理 / 玉米缺陷粒检测 / 小目标检测 / 高频特征提取 / 轻量化模型