基于轻量化神经网络的非接触式振动测量研究

本文探讨了结合图像处理技术与轻量化卷积神经网络的非接触式振动测量方法。通过使用基于深度可分离卷积的倒残差模块,搭建了一种轻量化神经网络模型,显著减少了模型的参数量和计算复杂度。同时,引入ECA注意力机制和Mish激活函数以提升模型的预测精度。本文还结合了Canny边缘检测与Hough变换来提取图像特征,作为空间注意力的替代,优化了处理效率,提高了准确率。实验结果表明,所提出的非接触测量方法在多种振动频率下与传统接触式测量方法的偏差小于0.2%,验证了其有效性和可靠性。