关键词:
ShuffleNetV2
X射线矿石图像分类
CBAM注意力机制
h-swish激活函数
知识蒸馏
摘要:
针对部分钨矿山矿石分选设备算力不足没有合适的矿石分类模型,通过自建以X射线透射成像的钨矿矿石图像为数据集,提出了一种基于ShuffleNetV2矿石分类识别模型。首先,通过改进ShuffleNetV2的基本单元,将3×3的深度卷积扩大成7×7的深度卷积,以提升感受野;其次,通过引入卷积块注意力模块,提取更具区分性的特征,同时抑制无关特征;采用h-swish激活函数减少沉默神经元的出现,避免了在输入为负值时使用ReLU导致的神经元坏死;调整网络的层级结构,减少单元重复的次数使模型更加轻量化,最后利用知识蒸馏对模型进行训练,以提升模型的性能。试验结果表明识别准确率能达到98.67%,比原模型提高了5.42百分点,且参数量减少了0.18 M,矿石识别速度仅为7 ms,同时相比SqueezeNet、Xception、MobiletNetV2、Vgg16、DenseNet121以及原模型在准确率、矿石识别速度及模型大小上都获得了提升,可部署于算力不足的中小型钨矿山矿石分选设备中。