标题：基于改进CBAM注意力机制的MobileNetV3风扇异常状况识别研究
作者：刘明 王荣燕 王汝旭 武高旭 张佳宁 梁俊祥
作者单位：德州学院，山东 德州 253023
关键字：空洞卷积；CBAM；MobileNetV3；迁移学习；Spectrogram
摘要：工业风扇在生产设施中起着至关重要的作用，关键风扇的突然停机对安全生产影响巨大。通过分析在-6 dB噪声环境中的故障风扇发出的声音，提取声音样本的语谱图，采用MobileNetV3模型，针对该模型注意力模块SE（Squeeze-and-Excitation）存在的参数化程度较低问题，采用空洞卷积（Dilated Convolution）优化的卷积块注意力模块CBAM（Convolutional Block Attention Module）予以替代，提出了改进后的MobileNetV3模型。实验结果显示，该模型的分类准确率达到了98%，相较于原MobileNetV3模型，准确率提升了2.07个百分点。