来源：期刊VIP网 时间：
作者：郭乾明;周才英;占新龙;叶晓朗;魏远旺;
单位：江西理工大学理学院;嘉兴大学全省多模态感知与智能系统重点实验室;
摘要：针对目前仍然存在部分矿山筛选尾矿是工人手选的现状，本文提出了一种基于优化MobileNetV2模型的深度学习钼矿识别方法，该方法提升了钼矿在X射线照射下所得的灰度图像的识别精度与效率。构建了一个自标注的钼矿灰度图像数据集，并且对图像进行了预处理和归一化。在MobileNetV2架构的基础上，进行了创新和改进，引入了坐标注意力机制（Coordinate Attention, CA），通过调整宽度因子和L2正则化参数，在增强模型特征提取能力和泛化能力的同时减少了训练时间。实验结果表明，与原始的MobileNetV2模型相比，本方法在钼矿识别任务上的准确率提升了3.5%，同时训练时间得到了显著减少，与几种典型卷积神经网络架构如ResNet50、EfficientNetB0、VGG16等相比，本模型在准确率、参数量、训练时间等多个关键指标上均展现出了显著优势。
关键词：钼矿识别;;MobileNetV2;;CA注意力机制;;宽度因子;;L2正则化
