基于改进SqueezeNet模型的药片表面缺陷检测算法

文章为实现药片表面缺陷的准确快速识别,基于经典的SqueezeNet模型,提出了一种改进的SqueezeNet卷积神经网络检测算法。根据药片特性,借鉴DenseNet模型对网络结构进行调整,解决了在训练初期出现的梯度退化问题;调整了Fire模块卷积内核的通道参数,增强对图像细节的处理能力;对模型训练学习率和batch size参数进行对比分析,得出改进模型的最佳参数。实验结果表明:该算法的准确率为97.32%,检测速度为2.8 ms,相比经典算法准确率和检测速度有一定的提高,在实际生产中具有较好的应用意义。