高效移动端煤矸识别方法
张勇1
郭永存2
陈伟2
王爽2
程刚2
1.安徽理工大学 电气与信息工程学院,安徽 淮南 232001;安徽理工大学 深部煤矿采动响应与灾害防控国家重点实验室,安徽 淮南 2320012.安徽理工大学 机械工程学院,安徽 淮南 232001;安徽理工大学 深部煤矿采动响应与灾害防控国家重点实验室,安徽 淮南 232001
摘要：针对传统轻量型卷积神经网络模型复杂度高,移动端识别速度慢,小样本数据集上训练、识别效果差的等问题,提出一种高效的改进后的移动端煤矸识别方法;分析卷积神经网络模型轻量化的方法,并从注意力机制、激活函数和分类头3 个方面对MobileNetv3 网络进行改进,通过模型量化压缩网络在移动端部署模型,分析改进网络量化前、后的空间存储容量,浮点运算次数,推理时间和识别准确率;在移动端煤矸识别实验装置中训练、部署和测试模型的识别效果.结果表明:改进后网络经过20 次的训练后模型即收敛,收敛速度较快,训练和验证准确率均大于 99%;改进后模型经量化压缩后模型存储容量较小,仅为原网络的24.64%,模型复杂度大幅度下降;移动端推理时间仅为 77 ms,识别准确率达到99.7%;利用实验装置实时采集的煤和矸石图像的识别效果较好,识别方法可靠.
关键词：煤矸识别网络轻量化模型压缩注意力机制小样本数据集移动端
分类号：TP391.9(计算技术、计算机技术)
资助基金：国家自然科学基金(51904007)安徽省科技重大专项资助项目(18030901049)安徽省高校协同创新项目(GXXT-2021-076)
论文发表日期：2023-02-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：10( 61-70 )
英文信息