摘要
针对现有企业在药片生产过程中使用的缺陷识别方法识别精度低、网络参数量多、移动端模型部署难的问题,提出了一种基于SKPE-ShuffleNetv2的药片缺陷识别算法。首先,将ShuffleNetv2模型中的ShuffleNetv2 Unit1和Unit2模块分别与SK-Net注意力机制进行融合,提出新的Shuffle-SK Unit1和Unit2模块;其次,设计MPECA混合池化通道注意力机制,利用最大池化和平均池化共同抑制通道维度中冗余信息的干扰,从而加强缺陷药片显著性特征的表达;最后,减少Shuffle-SK Unit1模块的重复堆叠次数,在保证识别精度的同时,使模型更加轻量化。实验结果表明,改进后的SKPE-ShuffleNetv2 0.5×和1.0×网络模型的平均准确率分别为97.70%和98.37%,相较于原ShuffleNetv2 0.5×和1.0×网络模型分别提高了5.05%和3.19%,且与其他比较模型相比,也具有更好的识别性能。
- 单位