基于模型剪枝的有色金属破碎料机器视觉分选方法优化

作者：董寰宇; 秦训鹏^*; 丁吉祥

来源：机械设计, 2023, 40(11): 8-14.

DOI：10.13841/j.cnki.jxsj.2023.11.007

• 深度学习
• 模型剪枝
• 有色金属
• 图像处理

对破碎料图像进行准确、快速识别是实现有色金属破碎料实时分选的基础，文中基于YOLOv3模型，以BN层缩放因子为衡量指标对模型进行剪枝，剪切对运算结果没有影响的冗余通道，减少了卷积神经网络的参数量及计算量，实现了模型压缩。试验在生产现场采集的金属破碎料图像上进行，采用F1-Score、平均精度均值、浮点运算数、网络参数量和FPS作为评价指标，定量研究了模型压缩率对模型性能的影响。最终优化后，模型平均精度均值上升至97.1%,F1-Score为96.8%,参数量实现了70.4%的压缩率，浮点运算数降为原模型的44.5%,FPS上升40.4%,减少了模型运行计算量消耗和内存占用，加快了计算速度，能更好地满足工业生产中有色金属破碎料分选的需求。

• 单位
  武汉理工大学