跨通道细粒度特征融合的矿石图像分类算法

来源：计算机工程与应用杂志2025年第10期北京时间：

作者：高云霏, 吕伏, 冯永安

单位：1.辽宁工程技术大学 软件学院，辽宁 葫芦岛 125105；2.辽宁工程技术大学 基础教学部，辽宁 葫芦岛 125105；3.辽宁工程技术大学 信息化与网络管理中心，辽宁 葫芦岛 125105

摘要：为解决深度学习算法在处理细粒度纹理特征的矿石图像时准确率低、计算资源需求大且难以在移动端部署的问题，提出一种跨通道细粒度特征融合的轻量级矿石图像分类算法。通过交替使用CNN与Transformer构建混合网络，以有效提取图像局部与全局信息；引入跨通道细粒度特征融合模块作为特征融合器，采用通道分组和随机通道混洗的融合策略，增强矿石纹理信息的获取能力和保持细粒度特征的多样性；利用多尺度轻量化自注意力模块降低模型参数，增强对不同尺度和空间位置的感知，确保训练的稳定性并避免过度拟合低级特征；构建高效坐标注意力模块作为细粒度特征提取器，实现轻量化和高效率的特征提取。所提算法在Kaggle平台的Mineral Photos和Petrology Thin Section Data两个公开矿石图像数据集上分别取得了95.78%和94.77%的分类准确率，相较于其他9种轻量级分类网络，如ShuffleNetV2、MobileNetV3、RegNet、ConvNeXtV2、LeViT、EdgeViTs、AFFNeT、EdgeNeXt和MViTV2，所提算法具有更少的参数（1.27?MB）、更低的计算量（269?MFLOPs）和更快的分类速度（219?FPS）。

关键词：矿石图像分类,卷积神经网络（CNN）,Transformer,跨通道特征融合,注意力机制