基于MobileNetV2的干电池底盖缺陷检测研究

干电池是用于小型电子产品的电源,在移动电源市场上有一定的市场份额,具有一定的经济价值。然而,在干电池的生产中,底盖缺陷问题很常见,而且用肉眼进行人工分拣效率较低。为了快速准确地分拣底盖缺陷产品,采集了1568张干电池底盖图像,共分为4种类别,并将其随机划分为训练集、验证集和测试集,比例分别为70%、10%和20%。通过将CBAM注意力机制嵌入MobileNetV2网络模型的倒残差结构中,成功构建了CBAM_MobileNetV2模型。实验结果表明,CBAM_MobileNetV2模型的准确率达到了95.78%,相较于MobileNetV2提高了1.19%,优化效果较为明显。