基于改进Efficientnetv2模型的铁矿石图像分类方法

作     者：吕一鸣 王激扬 LYU Yiming;WANG Jiyang

作者机构：沈阳工业大学人工智能学院沈阳110870 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2024年第51卷第S1期

页      面：549-554页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：卷积神经网络 注意力机制 深度学习 铁矿石分类 图像分类 

摘      要：随着当今世界的飞速发展,各种高楼大厦林立,对于铁以及钢材的需求日益增加,随之而来的对于铁矿石的需求也逐年上涨,由于铁矿产业是对不可再生资源的开采,因此对铁矿石进行分类,提高铁矿石的利用效率就变得极其重要。为了提高铁矿石的分类速度以及分类准确率,文中提出了一种基于卷积神经网络和注意力机制的铁矿石图像分类方法。该方法不需要对输入的图像进行手工提取特征,通过深度学习模型框架来弥补传统图像处理算法的不足,实现对铁矿石准确、高效的分类,可以较好地识别多种类型的铁矿石。对于铁矿石的3种基本类型具有较好的分类效果以及准确率。实验结果证明,所提方法在数据集上的准确率达到88.46%,相比其他算法模型,其模型训练时间更短,性能更优。利用深度学习的方法,部署自动化铁矿石分类模型,对于社会发展有重要意义。