一种基于混合域注意力机制的电子元器件识别方法技术

本发明专利技术公开了一种基于混合域注意力机制的电子元器件识别方法，包括在MobileNetV3轻量化网络模型的Bneck结构中引入空间注意力模块和通道注意力模块并行连接的混合域注意力机制PCBAM；然后对Bneck结构进行缩减，得到改进MobileNetV3轻量化网络模型，通过改进MobileNetV3轻量化网络模型对电子元器件的图像进行识别。精确提取电子元器件图像的关键性特征，解决电子元器件图像之间差异性小的问题，提高识别电子元器件图像的准确率；在确保网路深度和识别精度的基础上，优化缩减网络结构，进而提高运行的速度；提高网络模型识别电子元器件图像的识别率，同时提高网络模型运行的速度。

【技术实现步骤摘要】

本专利技术涉及图像特征识别，尤其涉及一种基于混合域注意力机制的电子元器件识别方法。

技术介绍

1、传统的元器件识别仅仅依靠人工目测的方法，但由于工作强度大、人眼容易疲劳，自动化程度低，因此造成识别效率低，不能满足当前现代生产制造的需要。此外，随着微电子技术发展，电子元器件正在向种类多、体积小、微型化的方向发展，也迫切需要快速准确的自动识别元器件；电子元器件识别方法主要采用基于模式识别和深度学习的方法，模式识别方法是通过提取元器件的不同特征，再根据这些特征匹配不同的类别进行判定，传统的模式识别方法往往依靠特征参数的性能，由于在元器件种类繁多，提出显著特征还比较困难，这也影响了模式识别方法的有效性。相对于传统的分类算法，深度学习算法能够自动提取不同元器件的特征，降低算法的复杂度，提高识别率，但深度学习模型训练对硬件设备要求高，也存在计算量大、运行速度慢等缺点，从而导致无法兼顾算法的准确度和运行速度的问题。

技术实现思路

1、专利技术目的：为了克服现有技术中存在的不足，本专利技术提供一种基于混合域注意力机制的电子元本文档来自技高网...

【技术保护点】

1.一种基于混合域注意力机制的电子元器件识别方法，其特征在于：包括在MobileNetV3轻量化网络模型的Bneck结构中引入空间注意力模块和通道注意力模块并行连接的混合域注意力机制PCBAM；然后对Bneck结构进行缩减，得到改进MobileNetV3轻量化网络模型，通过改进MobileNetV3轻量化网络模型对电子元器件的图像进行识别。

2.根据权利要求1所述的一种基于混合域注意力机制的电子元器件识别方法，其特征在于：所述改进MobileNetV3轻量化网络模型对电子元器件图像进行识别包括以下步骤：

3.根据权利要求2所述的一种基于混合域注意力机制的电子元器件...

【技术特征摘要】

1.一种基于混合域注意力机制的电子元器件识别方法，其特征在于：包括在mobilenetv3轻量化网络模型的bneck结构中引入空间注意力模块和通道注意力模块并行连接的混合域注意力机制pcbam；然后对bneck结构进行缩减，得到改进mobilenetv3轻量化网络模型，通过改进mobilenetv3轻量化网络模型对电子元器件的图像进行识别。

2.根据权利要求1所述的一种基于混合域注意力机制的电子元器件识别方法，其特征在于：所述改进mobilenetv3轻量化网络模型对电子元器件图像进行识别包括以下步骤：

3.根据权利要求2所述的一种基于混合域注意力机制的电子元器件识别方法，其特征在于：所述原始输入特征图输入至改进的混合域注意力机制pcbam得到输出特征图，包括将原始输入特征图同时输入通道注意力模块和空间注意力模块，原始输入特征图输入通道注意力模块得到通道加权特征图，原始输入特征图输入空间注意力模块得到空间加权特征图；将得到的通道加权特征图、空间加权特征图与原...

【专利技术属性】
技术研发人员：夏玉果，
申请(专利权)人：江苏信息职业技术学院，
类型：发明
国别省市：