基于改进SSD算法的胃部息肉图像检测

针对胃部内窥镜图像中的小尺度息肉检测精度不高的问题,提出了一种改进的SSD(SingleShot Multi Box Detector)算法。首先在SSD网络的池化层设计最大池化Dropout,使神经元稀疏化,然后在反向传播求损失函数梯度时,引入基于权重衰减的正则化技术以降低模型的复杂度,最后通过反卷积进行特征融合,使图像特征得以充分利用,解决内窥镜图像中小尺度物体检测不足的问题。实验表明,所提出的方法对胃部息肉具有良好的检测效果,相对于传统SSD算法,提高了5%的胃部息肉检测的平均精度(mAP)。     

改进YOLOv4框架的胃息肉检测

在计算机视觉的内窥胃部息肉检测中, 高效提取小型息肉图像特征是设计深度学习的计算机视觉模型一个难点. 针对该问题, 提出了一种YOLOv4改进的YOLOv4-polyp检测模型. 首先在YOLOv4的基础上, 引入CBAM卷积注意力模块增强模型在复杂环境的特征提取能力; 其次设计出轻量级CSPDarknet-49网络模型, 在降低模型复杂度的同时提高检测精度和检测速度; 最后根据胃息肉数据集的特点, 采用K-means++聚类算法对胃息肉数据集进行聚类分析, 得到优化后的锚框. 实验对比结果表明, YOLOv4-polyp对于经典YOLOv4模型在保持检测速率不变的同时, 在两个数据集中平均检测精度分别提升了5.21%和2.05%, 表现出良好的检测性能.     

响应面法优化蚕豆罐头的制作工艺

为开发一款风味好、出品率高的蚕豆罐头,本文以干蚕豆为试验样品,以感官评价为指标,通过单因素试验确定了蚕豆罐头的最佳工艺参数。在此基础上以浸泡水的p H值、浸泡时间和复合磷酸盐添加量为自变量,蚕豆的出品率为因变量,通过响应面法进一步优化蚕豆罐头制作工艺。结果表明,蚕豆罐头的最佳制作工艺为蚕豆在p H值为7.53的水中浸泡47.18 h,罐装时添加0.31%复合磷酸盐,此时蚕豆罐头不仅风味好且出品率高。