基于轻量化深度迁移神经网络的电子元器件识别

由于电子元器件种类多、体积小,给识别的速度和准确度带来挑战,并且传统的深度神经网络由于网络模型参数多,测试时间较长,无法满足实时运行的需要,针对以上问题,本文提出一种轻量化深度迁移神经网络的电子元器件识别方法。以MobileNetV3为主干网络,首先利用ImageNet数据集上的预训练模型参数权重对MobileNetV3网络进行初始化,实现模型参数的迁移,然后在自建电子元器件数据集上进行重新的训练,并进行微调,最后,利用训练好的模型对电子元器件的类别进行判定,并将其部署在树莓派。实验表明,本文提出的方法在测试集上的识别率达92.76%,而且模型的参数量小,实时性好,适合在嵌入式系统中运行。