[发明专利]一种面向机箱装配质量快速检测的轻量化图像分类方法

说明书

本发明提供一种面向机箱装配质量快速检测的轻量化图像分类方法，所述方法包括：解耦网络通道相关性与网络空间相关性；基于深度可分离卷积，完成下采样，减少模型计算量；基于组卷积通道互连，引入线性修正，减少模型参数量；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。本发明解耦网络通道与网络空间相关性，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，基于深度可分离卷积和组卷积通道互连，完成下采样和引入线性修正，减少模型计算量、参数量，有助于在机箱装配质量快速检测中应用。

技术领域

本发明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。

背景技术

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。

发明内容

为解决上述存在的问题与缺陷，本发明提供一种面向机箱装配质量快速检测的轻量化图像分类方法，通过解耦网络通道与网络空间相关性，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，基于深度可分离卷积和组卷积通道互连，完成下采样和引入线性修正，减少模型计算量、参数量，有助于在机箱装配质量快速检测中应用。

本发明的目的通过以下的技术方案来实现：

一种面向机箱装配质量检测的图像多特征提取与分类方法，该方法包括：

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，减少模型计算量；

C基于组卷积通道互连，引入线性修正，减少模型参数量；

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。

本发明有益效果是：

通过解耦网络通道与网络空间相关性，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，基于深度可分离卷积和组卷积通道互连，完成下采样和引入线性修正，减少模型计算量、参数量，有助于在机箱装配质量快速检测中应用。

附图说明

图1是面向机箱装配质量快速检测的轻量化图像分类方法流程框图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述。

本发明是面向机箱装配质量快速检测的轻量化图像分类方法，如图1所示，该方法包括如下步骤：

步骤10、解耦网络通道相关性与网络空间相关性：

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S_Channel与网络空间相关性S_S，其中通道参数量为：

S_Channel＝S_F×S_K

式中，S_F、S_K分别表示特征图参数量、卷积核参数量；空间占用量为：