基于改进C3D模型的料仓视频分类识别方法

来源：计算机测量与控制杂志2025年第2期北京时间：

作者：曹庆园,朱建鸿

单位：江南大学轻工过程先进控制教育部重点实验室

摘要：在自动上料控制系统中，针对传统电感式传感器容易受到外界复杂环境干扰，且需要进行繁琐校准工作等问题，提出了一种基于改进C3D模型的料仓视频视觉分类识别方法。基于实验需求，设计了合作标靶和建立了料仓识别视频数据集；将初始C3D模型作为主干网络进行改进，将该模型第3、4、5层卷积层进行精简，使得模型参数量大幅降低，有利于加快推理速度；在轻量化后的C3D模型上融合SE注意力机制，C3D模型从时空两个维度中提取特征，SE注意力机制可以有效在复杂场景视频帧中找出标靶显著区域，在兼顾时序信息的同时能够高效提取特征进而提高识别准确率。实验结果表明，SE-C3D识别模型准确率达到99.61%，与初始C3D模型相比，准确率提高2.48%，与其他典型三维卷积模型对比，各项性能指标也均有明显提升，对未来智能化上料系统的发展具有重要意义。

关键词：上料系统;3D卷积神经网络;视频分类;SE注意力;模型轻量化

基金资助：国家自然科学基金项目(61973139)