摘要
在玻璃瓶生产线上,现有的玻璃瓶分类主要依赖于人工目力识别,其模式难以适应智能化生产制造;另一方面,深度学习模型复杂度高,难以在资源受限的设备上部署.为此,借鉴MobileNet模型,使用深度可分离卷积和倒残差结构,融合注意力机制,提出一种轻量级网络模型,并使用知识蒸馏来学习深度网络模型ResNet,在保证模型性能的同时压缩了模型的大小.除此以外,在图片采集阶段使用遮光处理,排除了光照因素对模型的干扰.实验证明,方法可以在玻璃瓶生产线上精准识别玻璃瓶种类,在测试集中的平均识别准确率达99.6%,识别速度达18ms,同时模型复杂度大大降低,可以部署在低配置的工业设备中.
基金项目
湖北省高等学校优秀中青年科技创新团队计划项目(T201923)
NETL
NSTL
维普
万方数据