检索结果-维普期刊中文期刊服务平台

基于改进YOLOv8的煤矿输送带异物检测被引量：4: 1; 作者洪炎汪磊 +2 位作者苏静明汪瀚涛李木石《工矿自动化》 CSCD 北大核心 2024年第6期61-69,共9页; 现有基于深度学习的输送带异物检测模型较大,难以在边缘设备部署,且对不同尺寸异物和小目标异物存在错检、漏检情况。针对上述问题,提出一种基于改进YOLOv8的煤矿输送带异物检测方法。采用深度可分离卷积、压缩和激励(SE)网络将YOLOv8... 展开更多; 关键词输送带异物检测 YOLOv8 SE网络高效通道注意力机制轻量化小目标检测自适应平均池化自适应最大池化; 在线阅读下载PDF 职称材料

基于Stair−YOLOv7−tiny的煤矿井下输送带异物检测: 2; 作者梅晓虎吕小强雷萌《工矿自动化》 CSCD 北大核心 2024年第8期99-104,111,共7页; 针对现有煤矿井下输送带异物检测方法应对复杂场景适应性差、无法满足实时性和轻量化要求、处理尺寸差异较大异物时表现不佳的问题,基于轻量化YOLOv7−tiny模型进行改进,提出了一种Stair−YOLOv7−tiny模型,并将其用于煤矿井下输送带异物... 展开更多; 关键词输送带异物检测 YOLOv7−tiny 多尺度目标检测 Stair−fusion 高效层聚合网络检测头; 在线阅读下载PDF 职称材料

基于改进YOLOv8的煤矿输送带异物目标检测方法研究被引量：1: 3; 作者吴胜《选煤技术》 CAS 2024年第3期29-34,共6页; 现有煤矿输送带异物目标检测方法所提出的网络结构复杂,而且选煤厂入煤工段和矿井运输工段的输送带光照强度低,存在粉尘等微小颗粒物的干扰,检测精度和检测效率均难以满足实际工况要求。为解决上述问题,文章构建了融合轻量化网络的改进Y... 展开更多; 关键词异物目标检测煤矿输送带异物目标检测方法改进YOLOv8 轻量化网络注意力机制平均检测精度帧率; 在线阅读下载PDF 职称材料

基于双目视觉的选煤厂用胶带输送机表面异物检测被引量：2: 4; 作者沈宁《工矿自动化》 CSCD 北大核心 2023年第S01期82-85,共4页; 目前所采用的选煤厂用胶带输送机表面异物检测方法在实际应用时,由于选煤厂内外因素影响,导致对于不同类别的异物识别和分类精度低。针对该问题,提出一种基于双目视觉的选煤厂用胶带输送机表面异物检测方法。设计了基于双目视觉的输送... 展开更多; 关键词选煤厂用胶带输送机双目视觉输送带异物检测工业相机 YOLOv3; 在线阅读下载PDF 职称材料

题名基于改进YOLOv8的煤矿输送带异物检测被引量：4: 1; 作者洪炎汪磊苏静明汪瀚涛李木石; 机构安徽理工大学电气与信息工程学院; 出处《工矿自动化》 CSCD 北大核心 2024年第6期61-69,共9页; 基金国家重点研发计划项目(2021YFD2000204) 国家自然科学基金项目(12304236,32301688,52174141) +2 种基金安徽理工大学研究生创新基金项目(2024cx2067)。; 文摘现有基于深度学习的输送带异物检测模型较大,难以在边缘设备部署,且对不同尺寸异物和小目标异物存在错检、漏检情况。针对上述问题,提出一种基于改进YOLOv8的煤矿输送带异物检测方法。采用深度可分离卷积、压缩和激励(SE)网络将YOLOv8主干网络中C2f模块的Bottleneck重新构建为DSBlock,在保持模型轻量化的同时提升检测性能;为增强对不同尺寸目标物体信息的获取能力,引入高效通道注意力(ECA)机制,并对ECA的输入层进行自适应平均池化和自适应最大池化操作,得到跨通道交互MECA模块,以增强模块的全局视觉信息,进一步提升异物识别精度;将YOLOv8的3个检测头修改为4个轻量化小目标检测头,以增强对小目标的敏感性,有效降低小目标异物的漏检率和错检率。实验结果表明:改进YOLOv8的精确度达91.69%,mAP@50达92.27%,较YOLOv8分别提升了3.09%和4.07%;改进YOLOv8的检测速度达73.92帧/s,可充分满足煤矿输送带异物实时检测的需求;改进YOLOv8的精确度、mAP@50、参数量、权重大小和每秒浮点运算数均优于SSD,Faster-RCNN,YOLOv5,YOLOv7-tiny等主流目标检测算法。; 关键词输送带异物检测 YOLOv8 SE网络高效通道注意力机制轻量化小目标检测自适应平均池化自适应最大池化; Keywords foreign object detection on conveyor belts YOLOv8 SE network efficient channel attention mechanism lightweight small object detection adaptive average pooling adaptive maximum pooling; 分类号 TD634.1 [矿业工程—矿山机电]; 在线阅读下载PDF 职称材料

题名基于Stair−YOLOv7−tiny的煤矿井下输送带异物检测: 2; 作者梅晓虎吕小强雷萌; 机构国家能源集团宁夏煤业有限责任公司枣泉煤矿天地(常州)自动化股份有限公司中国矿业大学信息与控制工程学院; 出处《工矿自动化》 CSCD 北大核心 2024年第8期99-104,111,共7页; 基金国家自然科学基金青年科学基金项目(51904197) 天地(常州)自动化股份有限公司科研项目(2022FY0009)。; 文摘针对现有煤矿井下输送带异物检测方法应对复杂场景适应性差、无法满足实时性和轻量化要求、处理尺寸差异较大异物时表现不佳的问题,基于轻量化YOLOv7−tiny模型进行改进,提出了一种Stair−YOLOv7−tiny模型,并将其用于煤矿井下输送带异物检测。该模型在高效层聚合网络(ELAN)模块中添加特征拼接单元,形成阶梯ELAN(Stair−ELAN)模块,将不同层级的低维特征与高维特征进行融合,加强了特征层级间的直接联系,提升了信息捕获能力,增强了模型对不同尺度目标和复杂场景的适应性;针对检测头引入阶梯特征融合(Stair−fusion),形成阶梯检测头(Stair−head)模块,通过逐层融合不同分辨率的检测头特征,增强了中低分辨率检测头的特征表达能力,实现了特征信息的互补。实验结果表明:Stair−YOLOv7−tiny模型在输送带异物开源数据集CUMT−BelT上的检测效果优于CBAM−YOLOv5,YOLOv7−tiny及其轻量化模型,准确率、平均精度均值、召回率和精确率分别达98.5%,81.0%,82.2%和88.4%,检测速度为192.3帧/s;在某矿井下输送带监控视频分析中,Stair−YOLOv7−tiny模型未出现漏检或误检,实现了输送带异物的准确检测。; 关键词输送带异物检测 YOLOv7−tiny 多尺度目标检测 Stair−fusion 高效层聚合网络检测头; Keywords conveyor belt foreign object detection YOLOv7-tiny multi scale object detection stair feature fusion efficient layer aggregation network detection head; 分类号 TD528 [矿业工程—矿山机电] TD634 [矿业工程—矿山机电]; 在线阅读下载PDF 职称材料

题名基于改进YOLOv8的煤矿输送带异物目标检测方法研究被引量：1: 3; 作者吴胜; 机构盘江精煤股份有限公司火烧铺煤矿; 出处《选煤技术》 CAS 2024年第3期29-34,共6页; 文摘现有煤矿输送带异物目标检测方法所提出的网络结构复杂,而且选煤厂入煤工段和矿井运输工段的输送带光照强度低,存在粉尘等微小颗粒物的干扰,检测精度和检测效率均难以满足实际工况要求。为解决上述问题,文章构建了融合轻量化网络的改进YOLOv8检测算法——YOLOv8-MobileNetV1。该模型以YOLOv8为基础,将传统的C2F卷积层替换为轻量化网络MobileNetV1来减少模型的参数量;将传统的空间金字塔池化层修改为大核金字塔池化层,以进一步提升模型的性能和泛化能力;同时融合CVH注意力机制模块来提高网络深层次信息的提取能力,从而提高煤矿输送带运输过程中的异物识别精度和检测效率。为验证该模型的有效性,自行构建了选煤厂和矿井输送带运输过程中常见异物(大块和锚杆)的数据集,并按照8∶1∶1的比例随机划分为训练集、验证集和测试集,从检测精度和检测效率两方面进行评价。实验结果表明:YOLOv8-MobileNetV1算法的大块和锚杆的目标检测精度为81.30%和89.46%,平均检测精度达到了85.38%,帧率为83.5 fps。相较于传统的目标检测算法,YOLOv8-MobileNetV1算法提高了煤矿输送带异物目标检测精度和检测效率,满足了实际工况所需的准确性和时效性,为煤矿安全生产做出了保障。; 关键词异物目标检测煤矿输送带异物目标检测方法改进YOLOv8 轻量化网络注意力机制平均检测精度帧率; Keywords detection of foreign object method for detection of foreign objects on belt conveyor improved YOLOv8 lightweight network attention mechanism average detection accuracy frame rate; 分类号 TD948.7 [矿业工程—选矿] TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于双目视觉的选煤厂用胶带输送机表面异物检测被引量：2: 4; 作者沈宁; 机构国家能源集团宁夏煤业有限责任公司洗选中心; 出处《工矿自动化》 CSCD 北大核心 2023年第S01期82-85,共4页; 文摘目前所采用的选煤厂用胶带输送机表面异物检测方法在实际应用时,由于选煤厂内外因素影响,导致对于不同类别的异物识别和分类精度低。针对该问题,提出一种基于双目视觉的选煤厂用胶带输送机表面异物检测方法。设计了基于双目视觉的输送带异物检测装置,将摄像机与工业相机组合成双目视觉系统,系统采集图像后,利用中值滤波算法对图像进行去噪,获取稳定的图像信息。采用YOLOv3进行异物识别预测,计算边界框和锚框数值信息,并根据上述数值信息调整计算定位准确度,实现异物检测。实验结果表明:与传统的基于Mask_R-CN的检测方法相比,提出的方法对胶带输送机表面异物的识别筛选准确率超过96.2%,分类准确率超过97.6%。; 关键词选煤厂用胶带输送机双目视觉输送带异物检测工业相机 YOLOv3; 分类号 TD634 [矿业工程—矿山机电]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于改进YOLOv8的煤矿输送带异物检测	洪炎汪磊苏静明汪瀚涛李木石	《工矿自动化》 CSCD 北大核心	2024	4	在线阅读下载PDF 职称材料
2	基于Stair−YOLOv7−tiny的煤矿井下输送带异物检测	梅晓虎吕小强雷萌	《工矿自动化》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
3	基于改进YOLOv8的煤矿输送带异物目标检测方法研究	吴胜	《选煤技术》 CAS	2024	1	在线阅读下载PDF 职称材料
4	基于双目视觉的选煤厂用胶带输送机表面异物检测	沈宁	《工矿自动化》 CSCD 北大核心	2023	2	在线阅读下载PDF 职称材料