基于SKPE-ShuffleNetv2的药片缺陷识别方法

摘要：

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-ShuffleNetv20.5×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 ShuffleNetv20.5×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.

关键词：深度学习、药片识别、ShuffleNetv2、注意力机制

所属期刊栏目：42

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;南京信息工程大学人才启动经费项目

在线出版日期：2023-08-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：188-195