-
题名轻量级注意力X射线矿石检测方法
被引量：9
- 1
-
-
作者
杨文龙
郭明钰
-
机构
江西理工大学电气工程与自动化学院
江钨集团赣州有色冶金研究所有限公司
赣州有色冶金研究所有色金属矿冶装备工业设计中心
-
出处
《电子测量技术》
北大核心
2022年第18期71-79,共9页
-
基金
江西省普通高校校级研究生创新专项资金项目(XY2021-S113)资助。
-
文摘
针对缺乏矿石数据集和矿石分类识别模型等因素,自建以X射线照射成像的矿石图像为数据集,并以MobileNet V2为主网络,提出基于改进MobileNet V2轻量级矿石分类模型算法。首先,通过调整扩展因子和宽度因子大幅减少模型参数量,实现模型轻量化的目的;其次,通过在部分倒残差模块和原模型分类器中嵌入高效通道注意力机制,并将剩余倒残差模块替换为含深度空洞卷积的并行特征提取网络,以增强模型特征信息提取能力,提升模型识别准确率;最后,使用迁移学习的训练方式初始化权重,加速模型训练。经过改进,该算法矿石识别准确率提升至96.720%,对比VGG16、GoogleNet、Xception、ShuffleNet和MobileNet V2在准确率和矿石检测速度都获得了提升。综合而言,相比本文实验中其他算法而言,改进算法针对矿石的识别性能具有更佳表现。
-
关键词
深度学习
x射线矿石图像分类
MobileNet
V2
有效通道注意力机制
并行特征提取网络
迁移学习
-
Keywords
deep learning
x-ray ore image classification
MobileNet V2
efficient channel attention
parallel feature extraction network
transfer learning
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
