基于轻量级金字塔网络的种子分选方法研究

来源：计算机测量与控制杂志2024年第3期北京时间：

作者：李卫杰,桑肖婷,李环宇,魏平俊,李骁

单位：中原工学院 电子信息学院

摘要：针对目前卷积神经网络种子分选方法存在识别精度不高、模型参数量大、推理速度慢且难于部署等问题，提出了基于轻量级金字塔空洞卷积网络的种子分选方法；该网络提出了残差空间金字塔模块，利用不同扩张率的空洞卷积扩大感受野,更有效的提取多尺度特征；再结合深度可分离卷积技术减少模型参数量和计算复杂度；在网络结构中引入轻量级注意力机制模块，利用局部跨通道交互方式关注重要的信息，提高种子关键特征提取能力；实验结果表明，提出网络参数量仅为0.13M，在玉米和红芸豆数据集上准确率高达96.00%和97.38%，在NVIDIA Quadro板卡上识别单张图片时间仅为4.51ms，均优于主流轻量级网络MobileNetv2、Shufflenetv2 和PPLC-Net等，可以满足工业现场实时识别的要求。

关键词：种子分选;轻量化网络; ECA注意力机制;深度可分离卷积;空洞卷积

基金资助：国家自然科学基金项目（面上项目，重点项目，重大项目）