轻量级注意力X射线矿石检测方法

来源：电子测量技术杂志2022年第18期北京时间：

作者：杨文龙，郭明钰

单位：1.江西理工大学 电气工程与自动化学院 江西 赣州 341000; 2.江钨集团赣州有色冶金研究所有限公司 江西 赣州 341000; 赣州有色冶金研究所有色金属矿冶装备工业设计中心 江西 赣州341000

摘要：针对缺乏矿石数据集和矿石分类识别模型等因素，自建以X射线照射成像的矿石图像为数据集，并以MobileNet V2为主网络，提出基于改进MobileNet V2轻量级矿石分类模型算法。首先，通过调整扩展因子和宽度因子大幅减少模型参数量，实现模型轻量化的目的；其次，通过在部分倒残差模块和原模型分类器中嵌入高效通道注意力机制，并将剩余倒残差模块替换为含深度空洞卷积的并行特征提取网络，以增强模型特征信息提取能力，提升模型识别准确率；最后，使用迁移学习的训练方式初始化权重，加速模型训练。经过改进，该算法矿石识别准确率提升至96.720%，对比VGG16、GoogleNet、Xception、ShuffleNet和MobileNet V2在准确率和矿石检测速度都获得了提升。综合而言，相比本文实验中其他算法而言，改进算法针对矿石的识别性能具有更佳表现。

关键词：深度学习;X射线矿石图像分类;MobileNet V2;有效通道注意力机制;并行特征提取网络;迁移学习

基金资助：江西省普通高校校级研究生创新专项资金项目（XY2021-S113）