点击蓝字 关注我们
本文引用信息
闫涵, 卢伟, 吴玉虎. 基于轻量化卷积神经网络的金属断口图像识别[J]. 控制与决策, 2024, 39(9): 2858-2866.
2024年第9期封面文章推荐
基于轻量化卷积神经网络的金属断口图像识别
闫涵，卢伟，吴玉虎
本文创新点：
本文提出了一种基于轻量化卷积神经网络的金属断口图像识别方法，其主要创新如下：
1)针对特征复杂易错分的问题，使用基于迁移学习的VGGNet-16与ResNet-50作为特征提取基模型，通过设计自适应加权特征拼接方式增强特征提取能力；
2)对模型冗余效率低的问题，设计了一种混合剪枝算法，对模型进行高效压缩，降低参数量；
3)针对模型部署问题，给出了两种基于嵌入式系统的金属断口图像识别模型部署方案，以适应不同现场需求。
✦✦
研究背景
✦✦
方法介绍
针对上述问题，本文提出方法的总体方案如下：
首先，根据目前图像识别任务中的深度学习模型性能选择特征提取基模型。考虑到金属断口图像的数据量，对基模型进行预训练，通过迁移学习获取低阶特征提取器。结合集成学习思想，为各个基模型分配权重，以提升特征提取性能。然后，设计混合剪枝算法对模型的通道及卷积核进行修剪，降低模型复杂度。最后，针对工业背景下不同使用场景的需求，给出两种基于嵌入式系统Jetson Nano b01的模型部署方案，分别为模型离线部署方式与模型在线部署方式。
✦✦
主要结论
作者介绍
卢伟，大连理工大学控制科学与工程学院，教授，博士生导师，从事粒计算、计算智能、知识发现和表示等研究。
吴玉虎，大连理工大学控制科学与工程学院，教授，博士生导师，从事非线性系统、博弈决策和控制理论方法等研究。
相关文章推荐
郑重声明：根据国家版权局相关规定，纸媒、网站、微博、微信公众号转载、摘编本微信信息，需包含本微信名称、二维码等相关信息，并在文首注明《控制与决策》原创。个人请按本微信原文转发、分享。
－联系我们－
《控制与决策》
网站：http://kzyjc.alljournals.cn
电话：024-83687766
邮箱：kzyjc@mail.neu.edu.cn
《Journal of Control and Decision》
网站：
https://www.tandfonline.com/toc/tjcd20/current
邮箱：tengrong@ise.neu.edu.cn
点击“阅读原文”查看全文信息
