基于轻量化深度迁移神经网络的电子元器件识别 |
| |
引用本文: | 夏玉果,董天天,丁 晟.基于轻量化深度迁移神经网络的电子元器件识别[J].电子器件,2023,46(6):1673-1679. |
| |
作者姓名: | 夏玉果 董天天 丁 晟 |
| |
作者单位: | 江苏信息职业技术学院微电子学院,江苏 |
| |
基金项目: | 江苏省“333工程”科研资助项目计划(BRA2020318);江苏省高等学校自然科学研究项目(19KJB510027);江苏信息职业技术学院重点科研课题(JSITKY202201) |
| |
摘 要: | 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。
|
关 键 词: | 元器件识别 轻量化网络 迁移学习 树莓派 |
|
| 点击此处可从《电子器件》浏览原始摘要信息 |
|
点击此处可从《电子器件》下载全文 |
|