基于FD-Densenet网络的工业零件识别分拣方法、介质及系统

本发明涉及一种基于FD‑Densenet网络的工业零件识别分拣方法、介质及系统，所述方法包括以下步骤：实时采集待分拣零件图像，采用基于FD‑Densenet网络的零件识别深度学习模型对所述待分拣零件图像进行识别，根据识别获得的分类结果对待分拣零件进行分拣；其中，所述基于FD‑Densenet网络的零件识别深度学习模型结合深度可分离卷积运算和特征压缩传递结构，实现网络轻量化，提高运算速度，使其可以应用在嵌入式设备上。与现有技术相比，本发明具有效率高、识别准确率高、轻量化等优点，能够有效解决传统二维模型难以处理的目标物角度问题。