高效移动端煤矸识别方法

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。