期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
低照度尘雾下煤、异物及输送带早期损伤多尺度目标智能检测方法 被引量:2
1
作者 樊红卫 刘金鹏 +5 位作者 曹现刚 张超 张旭辉 李曼 马宏伟 毛清华 《煤炭学报》 CSCD 北大核心 2024年第S2期1259-1270,共12页
煤炭开采过程中矸石等异物不可避免将混入煤块中,且铁器等容易对输送带造成损伤,煤矿运输系统的智能化需要对矸石等异物和输送带损伤等进行一体化视觉检测。针对井下低照度、光照不均及尘雾等因素导致监测图像不清晰以及带面早期损伤小... 煤炭开采过程中矸石等异物不可避免将混入煤块中,且铁器等容易对输送带造成损伤,煤矿运输系统的智能化需要对矸石等异物和输送带损伤等进行一体化视觉检测。针对井下低照度、光照不均及尘雾等因素导致监测图像不清晰以及带面早期损伤小目标检测难题,提出一种低照度尘雾环境下煤炭、异物及带面早期损伤的多尺度目标智能检测方法。首先通过限制对比度自适应直方图均衡化对低照度尘雾图像进行预处理以增强图像对比度;接着通过增加浅层检测层凸显带面早期损伤小目标位置和形状等细节信息,提升带面早期损伤检测性能,且在不影响检测精度前提下去掉部分检测层及相应特征提取模块以缩小模型;然后针对主干网络特征提取能力不足问题,使用PartialConv与Res2Net构建新的P_Res2Block多尺度特征表征模块,并将其替换主干网络中C3模块的Bottleneck,得到一种新的P_RC3轻量级多尺度特征提取模块,以增加模型的感受野,提升对小目标的关注度;最后在主干网络和特征融合网络中引入轻量级高效通道注意力机制来提升通道利用率和带面早期损伤检测精度。实验结果表明,在自主构造的低照度尘雾图像数据集上,相比原始YOLOv5s,所提方法的带面早期损伤检测精度AP0.5提高了10.00%,最终精度达到91.30%,模型参数量、计算量和模型大小分别降低了34.85%、6.33%、29.86%,证明改进方法可在降低模型复杂度情况下很好地解决低照度尘雾环境下小目标检测难题。 展开更多
关键词 煤矿图像识别 煤炭与异物检测 输送带表面早期损伤 注意力机制 多尺度特征提取
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部