【技术实现步骤摘要】
一种面向机箱装配质量快速检测的轻量化图像分类方法
本专利技术涉及装配质量检测领域，尤其涉及一种面向机箱装配质量快速检测的轻量化图像分类方法。
技术介绍
视觉检测技术因可提高生产效率、实现机器代人、促进装配产业升级而得到广泛应用。传统人工检查机箱装配质量方式难以满足大批量生产要求。机箱装配质量的优劣直接影响产品的使用，高效检测生产线上的机箱装配质量十分必要。基于经典图像分类算法在复杂场景中难以达到好效果，卷积神经网络逐层提取图像特征，根据多特征统计数据再通过分类器实现图像分类，具有提取特征多样、分类准确率高等特点，然而，由于存储空间和功耗的限制，神经网络模型难以满足产线快速检测要求。近年来，深度网络已在视觉检测任务上应用与发展，卷积神经网络在各行业特别是制造产品质量检测中得到应用并取得较好的成效。可以看出，卷积神经网络是检测识别领域的趋势，若能解决模型效率问题，即解决卷积神经网络多层卷积带来的参数量多、计算量大等问题，将有助于卷积神经网络在机箱装配质量实现快速检测。
技术实现思路
为解决上述存在的问...
【技术保护点】
1.一种面向机箱装配质量快速检测的轻量化图像分类方法，其特征在于，所述方法包括：/nA解耦网络通道相关性与网络空间相关性；/nB基于深度可分离卷积，引入逐点卷积完成下采样，减少模型参数量；/nC基于组卷积通道互连，引入线性修正，降低模型计算量；/nD深度可分离卷积与组卷积通道互连交替连接，完成图像分类，实现机箱装配质量快速检测。/n
【技术特征摘要】
1.一种面向机箱装配质量快速检测的轻量化图像分类方法，其特征在于，所述方法包括：
A解耦网络通道相关性与网络空间相关性；
B基于深度可分离卷积，引入逐点卷积完成下采样，减少模型参数量；
C基于组卷积通道互连，引入线性修正，降低模型计算量；
D深度可分离卷积与组卷积通道互连交替连接，完成图像分类，实现机箱装配质量快速检测。
2.如权利要求1所述的面向机箱装配质量快速检测的轻量化图像分类方法，其特征在于，所述步骤A中，机箱装配质量快速检测的轻量化分类模型解耦网络通道相关性SChannel与网络空间相关性SS，其中通道参数量为：
SChannel＝SF×SK
式中，SF、SK分别表示特征图参数量、卷积核参数量；空间占用量为：
SS＝Cout×(Cin×SK)
式中，C通道数。
3.如权利要求1所述的面向机箱装配质量快速检测的轻量化图像分类方法，其特征在于，所述步骤B中，基于深度可分离卷积，网络通道参数量为：
SChannel＝(Hout×Wout)×(Cin×Kh×Kw)
式中，H、W、K分别表示特征图高度、特征图宽...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。