基于SKPE-ShuffleNetv2的药片缺陷识别方法

作者：王敏^*; 王康; 孙硕; 李晟; 吴佳

来源：国外电子测量技术, 2023, 42(06): 188-195.

DOI：10.19652/j.cnki.femt.2304871

• 深度学习
• 药片识别
• ShuffleNetv2
• 注意力机制

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
  南京信息工程大学