基于改进的Inception-ResNet-V2废钢类型识别算法

作者：王彪; 陈里里; 徐向阳; 何立; 陈开; KONG Xiangying

来源：自动化与仪器仪表, 2023, (04): 11-19.

DOI：10.14016/j.cnki.1001-9227.2023.04.011

• Inception-ResNet-V2
• 注意力机制
• 梯度收敛
• 迁移学习

本研究提出了一种基于深度学习的废钢快速识别方法，提出的基于Inception-ResNet-V2的改进网络结构添加注意力机制模块经过微调得到SE-Inception-ResNet,并在此基础上采用学习率梯度更新策略自适应调节优化模型。采集了四种类型的废钢数据，然后将样本图像按80%训练集，20%验证集进行训练。后与ResNet152、InceptionV3比较了模型的性能。结果表明，SE-Inception-ResNet、InceptionV3和ResNet152网络的总体分类准确率分别为98.10%、97.48%、95.67%。SE-Inception-ResNet的分类精度最高，该模型在不同学习率情况下能快速梯度收敛。实验结果表明，所提出的改进卷积神经网络模型能够有效地对废钢类型进行识别。同时期望提高其迁移学习模型泛化性，可以为其他快速分类鉴定提供参考，并应用于其他工业或商业领域。

• 单位
  重庆交通大学; 重庆市勘测院