基于深度学习的轻量化木材种类分选模型

作     者：王正 杨帆 江莺 WANG Zheng;YANG Fan;JIANG Ying

作者机构：南京林业大学机械电子工程学院江苏南京210037 

出 版 物：《林业机械与木工设备》 (Forestry Machinery & Woodworking Equipment)

年 卷 期：2025年第53卷第1期

页      码：84-89页

摘      要：为了提高木材种类行业生产的智能化程度,基于GhostNetv2设计了轻量化的改进注意力机制模型对木材种类进行识别分类。针对深度可分离卷积给模型带来更高的内存访问和更低的整体计算速度的缺点,设计了基于部分卷积的Bottleneck模块;针对GhostNetv2模型缺乏高性能特征融合的缺点,引入了基于金字塔分割注意力(Pyramid Split Attention,PAS)的特征融合模块。设计的改进注意力机制的木材种类分选的Ghost-FasterNet轻量化模型,综合考虑了模型的识别效果、参数大小、推理时间以及训练时间,使用Top-1准确率和Top-5准确率作为评价指标。实验结果表明:提出的Ghost-FasterNet轻量化模型在推理时间和训练时间与其他轻量型网络基本保持一致的同时,减少了大量参数,在强注意力机制和部分卷积的精度补偿下,模型准确率大幅度增加,最高准确率达到87%,相较于其它传统的深度学习模型,提高了近10%。

主 题 词：深度学习 木材种类分选 轻量化模型 

学科分类：12[管理学] 13[艺术学] 082902[082902] 08[工学] 1305[艺术学-设计学类] 1201[管理学-管理科学与工程类] 081104[081104] 0829[工学-安全科学与工程类] 0804[工学-材料学] 0835[0835] 081101[081101] 0811[工学-水利类] 0812[工学-测绘类] 

馆 藏 号：203157307...