改进DeepLabv3+和XGBoost的羊骨架切割方法

摘要

为实现羊骨架自动切割,提出一种基于DeepLabv3+和XGBoost的羊骨架切割方法.该方法通过研究Deep-LabV3+网络架构,基于ResNet-101搭建了4种基础网络,通过调整空洞卷积的扩张率和引入可形变卷积核的方法设计改进了2种ASPP结构.共搭建8种羊骨架特征部位分割网络,按照6:2:2的比例划分数据集.与DeepLabv3+进行对比实验,优化后DeepLabv3+的mIoU、PA和F值分别为0.849、0.870和0.879,能够较好地实现羊骨架特征部位分割.基于分割结果对羊骨架特征部位进行特征提取,共获得35组形位特征参数,对特征集进行归一化等预处理操作.基于XGBoost搭建羊骨架切割位置预测模型,模型均方根误差MSE为8.18,拟合度R2为0.949,坐标残差绝对平均值为2.47像素点,模型具有较强的预测能力和泛化能力.基于机器人平台进行切割实验,采用3组样本进行对比实验,羊骨架切割精度为3.25 mm,理论效率为413只/h,约提升37.9％,结果表明该方法有效可行且具备较高精度.