一种自适应轻量密集网络矿物分类系统及方法

本发明公开了一种自适应轻量密集网络矿物分类系统及方法，属于计算机视觉与智能矿物学交叉技术领域。系统包括数据采集、预处理与增强、特征提取、分类、训练优化、模型压缩、端‑云部署和可视化交互等模块。方法包括图像采集与预处理、特征提取、类别概率输出、模型训练优化、模型压缩及端侧部署与结果可视化等步骤。本发明通过在改进型DenseNet121网络中嵌入ECA通道注意力模块和采用两层隐藏层的MLP分类头，结合自蒸馏与主动学习机制，以及通道剪枝与感知量化训练，实现了矿物图像的高效分类与模型的轻量化，可在边缘设备上实时推理，适用于野外便携或博物馆馆藏等资源受限场景，为矿物勘探、教学等提供了自动化识别方案。