基于MobileNetV2的干电池底盖缺陷检测研究

【摘要】 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。更多还原