标题：基于ResNet50模型的乳液泵缺陷分类
作者：朱伟鹏 操超超；刘金华
作者单位：广东工业大学自动化学院，广东 广州 510006；电子科技大学中山学院，广东 中山 528400
关键字：深度学习；ResNet50网络；迁移学习；注意力机制
摘要：为了提高乳液泵的缺陷检测识别的精度、减缓过拟合的发生、提升乳液泵识别技术的实用性，提出一种基于改进的ResNet50网络的乳液泵分类方法，以ResNet50为基础网络模型，通过对ResNet50网络中的残差结构进行改进，减少卷积层在下采样中信息丢失问题，同时在ResNet50网络中引入混合注意力机制CBAM，提升网络模型的准确率。最后进行对比实验。引入迁移学习训练乳液泵数据集，设定初始学习率为0.01，在模型迭代86次时，乳液泵识别的准确率高达95.89%。