Resumen

Para detectar con precisión pequeños defectos en tiras reactivas de prueba de orina, se propone el algoritmo de detección de defectos SK-FMYOLOV3. En primer lugar, se mejora el algoritmo de agrupación de cuadros de predicción de YOLOV3. Se utiliza el algoritmo de agrupación difusa C-means para generar los centros de agrupación iniciales, y luego, se pasa el centro de agrupación al algoritmo de K-means para agrupar los cuadros de predicción. Para detectar mejor los defectos más pequeños, se aumenta la fusión de mapas de características de YOLOV3 de la predicción original de tres escalas a una predicción de cuatro escalas. Al mismo tiempo, 23 capas convolucionales de tamaño en la red YOLOV3 son reemplazadas con estructuras SkNet, de modo que diferentes mapas de características pueden seleccionar de forma independiente diferentes núcleos de convolución para el entrenamiento, mejorando la precisión de la clasificación de defectos. Rec

• Materias:Redes de radio Sistemas de información Comunicaciones inalámbricas Cifrado de bloques
• Subjects:Radio Networks Information systems Wireless communications Block ciphers
• Palabras claves:Algoritmo de detección de defectos; Tiras reactivas de prueba de orina; YOLOV3; Algoritmo de agrupamiento; Defectos pequeños; Fusión de mapas de características
• Keywords:Defect detection algorithm; Urine test strips; YOLOV3; Clustering algorithm; Small defects; Feature map fusion