-
题名基于YOLOv5n-CND的矿用输送带异物检测
被引量：2
- 1
-
-
作者
孙奥然
赵培培
杨迪
张君逸
于洪健
-
机构
中国矿业大学信息与控制工程学院
华北理工大学人工智能学院
-
出处
《工矿自动化》
北大核心
2025年第1期38-44,共7页
-
基金
国家重点研发计划项目(2022YFC3004700)。
-
文摘
针对异物图像背景复杂、特征提取能力弱、粘连小目标的检测精度低、检测框定位及尺度失真等问题,提出了一种基于YOLOv5n-CND的矿用输送带目标检测算法。首先,采用C2f对特征金字塔进行优化,使用更少参数解决在井下异物图像采集背景复杂且存在复杂目标干扰对小目标检测不敏感的问题;然后,采用归一化高斯瓦萨斯坦距离(NWD)回归损失函数替代CIoU,改善多尺度异物检测效果不佳的问题,实现粘连小目标的精准检测;最后,添加目标检测头(Dy Head),将尺度、空间和任务3种注意力机制结合,提高对异物轮廓的特征提取能力,增强对多尺度目标的适应能力。实验结果表明:YOLOv5n-CND的mAP@0.5、mAP@0.5∶0.95、参数量及检测速度分别为87.9%,55.9%,4.49×106个,85.5帧/s,满足煤矿井下异物检测需求;YOLOv5n-CND的mAP@0.5和mAP@0.5∶0.95较YOLOv5n分别提高了2.6%和3.4%,较YOLOv5s-CBAM分别提高了1.7%和3.8%;模型参数量在YOLOv5n的基础上略有提升,但较其他模型参数量均有所降低。选取异物与背景相近的细长检测物、光照比较低的锚杆检测物、大量煤矸石混杂的检测物、含有多个异物4种场景进行测试,结果表明:基于YOLOv5n-CND的矿用输送带异物检测算法未出现误检及重复检测的情况,漏检较少,检测框定位准确,对粘连小目标的处理效果更好,能够实现输送带异物的准确检测。
-
关键词
矿用输送带
异物检测
粘连小目标检测
YOLOv5n
C2f模块
归一化高斯瓦萨斯坦距离模块
Dy
Head检测头
-
Keywords
mining conveyor belts
foreign object detection
adhering small object detection
YOLOv5n
C2f module
normalized Gaussian Wasserstein distance module
Dyhead detection head
-
分类号
TD634.1
[矿业工程—矿山机电]
-
-
题名基于改进YOLOv5s的被遮挡交通标志检测算法
- 2
-
-
作者
蓝章礼
邢彩卓
张洪
-
机构
重庆交通大学信息科学与工程学院
重庆交通大学省部共建山区桥梁及隧道工程国家重点实验室
-
出处
《计算机工程》
北大核心
2025年第5期361-369,共9页
-
基金
国家自然科学基金(52278291)
重庆交通大学研究生科研创新项目(2024s0105)。
-
文摘
智能驾驶中道路交通标志的检测与识别极其重要,针对交通标志被遮挡时存在目标小、检测精度低的问题,提出一种基于改进YOLOv5s的被遮挡交通标志检测算法。通过自制中国遮挡交通标志数据集(COTSD),解决交通标志在被遮挡情况下数据集缺乏的问题,并根据细粒度物体检测需要模型提取丰富判别特征,提出一种基于MobileNetv2改进的主干网络。针对交通标志较小、被遮挡且分辨率较低,普通线性插值方式无法捕捉更高阶、更细节特征的问题,设计一种改进的动态权重上采样模块(DEUM),整合经过通道注意力加权之后的通道信息进行像素重排,生成高分辨率图像;针对综合交并比(CIoU)等损失函数对小目标位置变化敏感的问题,使用归一化高斯Wassertein距离(NWD)来优化边界框回归损失。实验结果表明,该算法在自制被遮挡COTSD上的准确率为93.60%,召回率为72.50%,F1值为81.71%,mAP@0.5为79%;在包含少量被遮挡交通标志的公开CCTSDB上的准确率为92.2%,召回率为78.8%,F1值为85%,mAP@0.5为88.5%。该算法有效提高了被遮挡后交通标志的检测精度。
-
关键词
交通标志检测
遮挡条件
MobileNetv2模型
动态权重上采样模块
归一化高斯Wassertein距离
-
Keywords
traffic sign detection
occlusion conditions
MobileNetv2 model
Dynamic weight Upsampling Module(DEUM)
Normalized Gaussian Wasserstein Distance(NWD)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
