基于超分辨率深度图像修复的输送带煤流检测算法

1

作者 范巧艳 董洁 郭攀 《金属矿山》 北大核心 2025年第7期166-171,共6页

由于输送带的运动速度快、煤流的形状和颜色变化大,并且光照条件复杂,传统的输送带煤流检测方法往往存在准确性不高、易受干扰等问题。为此,提出了一种基于超分辨率深度图像修复的输送带煤流检测算法。该算法采用YOLOv3作为基础框架,结... 由于输送带的运动速度快、煤流的形状和颜色变化大,并且光照条件复杂,传统的输送带煤流检测方法往往存在准确性不高、易受干扰等问题。为此,提出了一种基于超分辨率深度图像修复的输送带煤流检测算法。该算法采用YOLOv3作为基础框架,结合超分辨率深度图像修复模型,对模糊且含有噪声的煤流图像进行处理。图像修复模型通过编码器—解码器结构,对破损图像的特征进行提取和修复,同时保留浅层纹理信息并将其传递至深层。处理后的清晰煤流图像,通过基于YOLOv3的目标检测算法进行煤流检测。在北方某煤炭加工厂的试验结果表明:当图像破损度为50%时,相比于基于互编码器的图像修复模型,所提图像修复模型结构相似性提升了10%;相比于YOLOv4-tiny,所提煤流检测算法的处理速度提升了56帧/s,反映出该算法可有效提高输送带煤流检测效率。 展开更多

关键词 目标检测 输送带 煤流 超分辨率 图像修复 深度学习

在线阅读 下载PDF 职称材料

基于Mamba的井下皮带异物无监督检测模型研究

2

作者 马莉 吴伟雪 代新冠 《西安科技大学学报》 北大核心 2025年第2期372-382,共11页

为了解决井下皮带异物无法被精准定位、计算成本过大等问题,提出了一个基于Mamba的无监督运煤皮带异物检测模型,该模型由预训练编码器和基于Mamba的解码器组成。在Mamba解码器中,FHSS混合状态空间模块将Hilbert扫描位置编码、傅里叶变换... 为了解决井下皮带异物无法被精准定位、计算成本过大等问题,提出了一个基于Mamba的无监督运煤皮带异物检测模型,该模型由预训练编码器和基于Mamba的解码器组成。在Mamba解码器中,FHSS混合状态空间模块将Hilbert扫描位置编码、傅里叶变换、Einstein对角矩阵计算引入Mamba网络来增强通道建模及特征序列建模,并结合了基于重构方法和多类无监督异常检测的优点,解决井下异常数据集匮乏、难以采集的问题。结果表明:该模型精度比经典的4个异常检测模型分别提升了22.2%,10.9%,5.9%,2.1%,其参数量和FLOPs仅为26.109 M,8.497 G;与传统检测方法相比,不仅有效应对由于噪声、遮挡等因素导致的检测不确定性,确保了异物检测的鲁棒性和可靠性,且具备更小的模型体积,显著降低了模型在推理过程中的计算复杂度。研究对于煤矿井下的实际应用具有重要意义,能够更好地保障输送系统的安全性和稳定性。 展开更多

关键词 井下皮带异物检测 Mamba 无监督训练 异常检测 空间状态模型

在线阅读 下载PDF 职称材料

基于改进Hyper-YOLO的煤矿输送带异物检测方法

3

作者 李刚 朱宇 +6 位作者 杨庆贺 邹军鹏 才天 贺鹏 张亚兵 赵艺鸣 田鑫浩 《工矿自动化》 北大核心 2025年第7期114-121,共8页

基于YOLO系列的输送带异物检测技术已取得丰富的研究成果,但其颈部网络无法使相隔较远的特征层直接交换特征信息,引发小目标漏检、重复检测等问题。Hyper-YOLO可在颈部网络实现特征层之间跨层、跨位置的高阶关联,但会增加计算量,且降低... 基于YOLO系列的输送带异物检测技术已取得丰富的研究成果,但其颈部网络无法使相隔较远的特征层直接交换特征信息,引发小目标漏检、重复检测等问题。Hyper-YOLO可在颈部网络实现特征层之间跨层、跨位置的高阶关联,但会增加计算量,且降低对高频特征信息的敏感性,导致在噪声较为敏感的区域特征提取能力下降,预测边界框发生偏移。针对上述问题,提出一种基于改进Hyper-YOLO的煤矿输送带异物检测方法。在图像预处理阶段采用动态对比度受限自适应直方图均衡化(Dy-CLAHE)方法,将Laplacian算子引入对比度受限自适应直方图均衡化(CLAHE)框架,建立噪声水平与对比度限制阈值之间的动态映射关系,有效解决了粉尘环境下图像细节丢失和噪声放大的问题;对Hyper-YOLO进行改进,采用高效交并比(EIoU)损失函数优化边界框回归过程,提升了预测边界框定位精度,并在混合聚合网络(MANet)的深层和浅层嵌入高效通道注意力机制(ECA)模块,通过局部跨通道交互动态调整通道权重,有效平衡对高频和低频特征信息的敏感性,降低小目标异物的漏检率,同时通过简化快速空间金字塔池化(SimSPPF)模块,减少了冗余计算,在保证精度的同时提升了推理速度。实验结果表明:改进Hyper-YOLO在准确率和mAP@0.5指标上分别为94.2%和93.4%,相较于Hyper-YOLO提高了5.0%和3.5%,参数量为3.26×10^(6)个,召回率为87.7%,检测速度为158帧/s,满足煤矿井下异物实时检测的需求;在不同煤矿输送带异物检测场景下无漏检及重复检测情况,预测边界框更贴合异物。 展开更多

关键词 煤矿输送带 异物检测 Hyper-YOLO 动态对比度受限自适应直方图均衡 EIoU 高效通道注意力机制 简化快速空间金字塔池化

在线阅读 下载PDF 职称材料

基于YOLOv5n-CND的矿用输送带异物检测 被引量：2

4

作者 孙奥然 赵培培 +2 位作者 杨迪 张君逸 于洪健 《工矿自动化》 北大核心 2025年第1期38-44,共7页

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... 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。 展开更多

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

在线阅读 下载PDF 职称材料

基于YOLOV8的高磁铁矿输送带异物检测技术研究

5

作者 张紫欣 涂福泉 +3 位作者 陈向东 高路萍 王涛 白云 《黄金科学技术》 北大核心 2025年第1期193-201,共9页

在矿山复杂环境中,高磁性矿输送带异物检测面临场景干扰严重、识别难度大的挑战,针对高磁性矿中异物边缘信息易丢失和实时响应难度大的问题,提出了基于YOLOV8的深度学习图像检测方法。首先,建立输送带异物数据集,采用暗通道去雾技术对... 在矿山复杂环境中,高磁性矿输送带异物检测面临场景干扰严重、识别难度大的挑战,针对高磁性矿中异物边缘信息易丢失和实时响应难度大的问题,提出了基于YOLOV8的深度学习图像检测方法。首先,建立输送带异物数据集,采用暗通道去雾技术对数据进行预处理,提升图像清晰度;然后,结合YOLOV8的网络特性,引入动态注意力机制,并用蛇形卷积代替普通卷积,允许模型在处理输入数据时动态地分配注意力,同时捕捉到更广泛的局部和全局特征;最后,改进动态检测头来灵活适配多尺度和多方向的检测需求,以提升模型的适应性并降低参数计算量。试验结果表明:基于YOLOV8的异物检测模型平均检测准确率达到96.4%,召回率为91%,平均检测时间仅为29 ms,完全满足矿山皮带运输现场对精准检测和实时性的要求。 展开更多

关键词 异物检测 磁性矿输送带 动态监测 YOLOV8 图像去雾 蛇形卷积

在线阅读 下载PDF 职称材料

基于线结构光的矿用输送带纵向撕裂检测技术 被引量：1

6

作者 游磊 向兆军 孙柳军 《矿业安全与环保》 北大核心 2025年第1期180-186,共7页

针对传统的输送带纵向撕裂检测系统存在光照抗干扰能力差、运算效率低及泛化能力弱的问题,研究了一种基于线结构光的纵向撕裂检测技术。以线结构光作为图像采集系统,应用Topk完成图像预处理,减少数据冗余和内存使用量;对YOLOv5网络的基... 针对传统的输送带纵向撕裂检测系统存在光照抗干扰能力差、运算效率低及泛化能力弱的问题,研究了一种基于线结构光的纵向撕裂检测技术。以线结构光作为图像采集系统,应用Topk完成图像预处理,减少数据冗余和内存使用量;对YOLOv5网络的基础算子进行降维,减少模型参数量和浮点运算量;将该检测技术移植到嵌入式设备中,研制了速度快、精确度高的矿用本安型纵向撕裂检测系统。实验结果表明:降维YOLOv5的运算量和参数量均低于传统方法,在输入特征图分辨率为640 px×2592 px时,F_(1score)为0.9511,优于其他方法;仿真实验中检测的精确度P为95.14%,召回率R为92.63%;工业试验中成功检测出输送带的纵向撕裂。 展开更多

关键词 输送带 纵向撕裂 带式输送机 目标检测 计算机视觉 降维 线结构

在线阅读 下载PDF 职称材料

基于改进YOLOv8s的矿用输送带异物检测方法

7

作者 李润泽 郭星歌 +2 位作者 杨发展 赵培培 谢国龙 《工矿自动化》 北大核心 2025年第6期96-104,共9页

针对矿井低照度环境下输送带异物检测算法存在的图像全局特征提取不足、模型参数量过大等问题,提出一种基于改进YOLOv8s的矿用输送带异物检测方法。利用VMamba和MobileNetv4对YOLOv8s进行改进:采用MobileNetv4改进主干网络,集成通用逆瓶... 针对矿井低照度环境下输送带异物检测算法存在的图像全局特征提取不足、模型参数量过大等问题,提出一种基于改进YOLOv8s的矿用输送带异物检测方法。利用VMamba和MobileNetv4对YOLOv8s进行改进:采用MobileNetv4改进主干网络,集成通用逆瓶颈(UIB)模块,通过高效倒置残差结构降低模型整体参数量,通过动态特征适应机制增强小目标场景的特征鲁棒性;通过VMamba的视觉状态空间(VSS)模块改进核心特征提取与融合模块C2f,通过状态空间模型和四向扫描机制高效捕捉图像中的全局上下文信息,增强模型对图像全局结构的理解;设计了参数共享轻量化检测头,使用分组归一化(GN)作为归一化卷积基本块,弥补模型轻量化所带来的精度损失。实验结果表明:改进YOLOv8s模型在自建数据集上的mAP@0.5达0.921,mAP@0.5:0.95达0.601,参数量较YOLOv8s减少27.7%,性能优于主流目标检测模型YOLOv11s,YOLOv10s等,可以满足矿用输送带异物检测需求。 展开更多

关键词 输送带异物检测 YOLOv8s VMamba MobileNetv4 轻量化 分组归一化

在线阅读 下载PDF 职称材料

基于改进YOLOv8的煤矿输送带异物检测 被引量：4

8

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... 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。 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

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

9

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 职称材料

融合多尺度特征的轻量化煤炭输送带异物检测方法 被引量：3

10

作者 马恒 刘利灿 高科 《安全与环境学报》 CAS CSCD 北大核心 2024年第12期4617-4629,共13页

煤炭输送带是煤矿开采过程中的主要运输设备,在工作过程中不可避免地有大块矸石、锚杆、木板等异物混入,易造成由皮带撕裂、落煤口堵塞导致的重大安全事故。针对井下色彩辨识度低、前后景对比度差及煤炭与异物间遮挡重叠导致物体边缘特... 煤炭输送带是煤矿开采过程中的主要运输设备,在工作过程中不可避免地有大块矸石、锚杆、木板等异物混入,易造成由皮带撕裂、落煤口堵塞导致的重大安全事故。针对井下色彩辨识度低、前后景对比度差及煤炭与异物间遮挡重叠导致物体边缘特征丢失等检测难题,设计了一种融合多尺度特征的轻量化煤炭输送带异物检测方法。首先,基于一种具有压缩激励模块的残差视觉网络(Residual Vision Transformer with Squeeze-and-Excitation Block,RepViTSEBlock)的架构,融合高效多尺度注意力(Efficient Mult-Scale Attention,EMA),构建出C2f_RVB_EMA轻量化结构,利用跨空间学习策略与全局特征建模能力,在提升检测精度的同时大幅度减小网络复杂度;其次,将感受野注意力卷积(Receptive Field Attention Convolution,RFAConv)与卷积注意力模块(Convolutional Block Attention Module,CBAM)结合得到RFCBAMConv,并嵌入到双向特征金字塔网络,通过空间和通道两个维度赋予卷积注意力权重,提高模型对煤炭输送带中异物的关注度,减少计算开销;同时,为了能够精确地识别出多个异物相互堆叠情况下目标的轮廓信息,构建出基于解耦头结构的Detect_SEAM目标检测头;最后,使用Focaler-IoU回归损失函数替换Complete-IoU函数,有效提升了回归框的精度。为避免理想条件对试验造成的影响,采用井下输送带工作的真实图像作为试验数据集。试验结果表明,输送带异物检测模型的平均精度mAP@0.5达到88.20%,相较于基准模型提高了4.60百分点,而参数量与计算量仅为2.51×106和6.60×109,有利于在矿井等复杂条件下部署,为煤炭的高效开采运输提供安全预警。 展开更多

关键词 安全工程 煤炭输送带 多尺度特征融合 异物检测 注意力机制 残差网络 轻量化

在线阅读 下载PDF 职称材料

基于多注意融合网络的输煤皮带异物识别方法

11

作者 李利 梁晶 +2 位作者 陈旭东 寇发荣 潘红光 《西安科技大学学报》 CAS 北大核心 2024年第5期976-984,共9页

为改善现有输煤皮带异物识别算法网络参数量大、识别精度不高的问题,及时避免大块煤和矸石、锚杆等带来的安全隐患,提出了一种基于多注意融合网络的输煤皮带异物识别方法,使用低照度图像处理算法对数据集进行预处理,采用融合局部注意力... 为改善现有输煤皮带异物识别算法网络参数量大、识别精度不高的问题,及时避免大块煤和矸石、锚杆等带来的安全隐患,提出了一种基于多注意融合网络的输煤皮带异物识别方法,使用低照度图像处理算法对数据集进行预处理,采用融合局部注意力残差块作为基本特征提取单元,在残差块中融入带有额外偏移量的可变形卷积以增加对不规则特征的描述,用注意力机制对全局特征图做期望最大化处理。结果表明:在Cifar 10数据集和矿用皮带传输异物识别数据集的识别准确率分别为93.7%和84.8%;与ShufflenetV2、MobileNetV2、ResNet 50、ResNet 110、Darknet 53算法相比,识别准确率分别提升了4.7%、3.9%、0.4%、0.5%、1.7%;与识别准确率相近的ResNet 50、ResNet 110算法相比,网络参数量和计算复杂度大大减小。识别方法能够快速识别输煤皮带异物,且具有较高的识别准确率,对保障煤矿运输系统的安全运行具有参考意义。 展开更多

关键词 异物识别 输煤皮带 Darknet网络 可变形卷积 注意力机制

在线阅读 下载PDF 职称材料

基于特征增强与Transformer的煤矿输送带异物检测 被引量：7

12

作者 高涵 赵培培 +3 位作者 于正 肖涛 李肖利 李良先 《煤炭科学技术》 EI CAS CSCD 北大核心 2024年第7期199-208,共10页

输送带是煤矿井下最重要的运输设备之一,在输送工作中会因锚杆、槽钢、大块矸石等异物混入造成输送带撕裂、落煤口阻塞等重大安全事故,严重影响运输效率,甚至威胁工人生命安全。为了解决现有输送带异物检测算法存在的对细长物体表征能... 输送带是煤矿井下最重要的运输设备之一,在输送工作中会因锚杆、槽钢、大块矸石等异物混入造成输送带撕裂、落煤口阻塞等重大安全事故,严重影响运输效率,甚至威胁工人生命安全。为了解决现有输送带异物检测算法存在的对细长物体表征能力弱、弱语义特征提取能力差等问题,设计了一种基于低层级特征增强与Transformer机制的异物检测算法(Feature Enhancement and Transformer YOLO,FET–YOLO)。首先,针对现有检测网络难以提取细长物体特征的问题,引入可变形卷积以提升网络对细长异物的形状特性的适应性,并使用MobileViT模块增加图像中异物与背景的区分度,以提取出更符合细长异物的多样性特征,削弱背景噪声的干扰;其次,构建低层级特征增强模块(Low-Level Feature Enhancement Module,LFEM),提升异物弱语义特征在检测网络中的表达能力,以降低漏检、错检的概率;最后,引入鬼影混洗卷积(GSConv)减少因特征图尺寸变化造成的信息丢失,保证网络高效提取特征的同时,减少模型参数量。利用煤矿井下输送带工作视频制作训练集和验证集,并将提出的算法与现有的3种输送带检测算法对比,实验结果表明:所提出的算法可以更好的解决输送带异物目标检测中细长物体检测效果差、弱语义特征提取困难的问题,具有更高的检测精度、同时符合输送带检测场景对检测实时性的要求,对于分辨率大小为640×640的图像mAP@0.5可达0.875,mAP@0.5:0.95可达0.543,检测速度为75 fps。 展开更多

关键词 异物检测 YOLOv7-tiny 鬼影混洗卷积 输送带 深度学习

在线阅读 下载PDF 职称材料

基于改进YOLOv8n的煤矿带式输送异物检测研究 被引量：6

13

作者 李宗霖 王广祥 +1 位作者 张立亚 李明亮 《矿业安全与环保》 CAS 北大核心 2024年第4期41-48,共8页

在煤矿带式输送物料过程中,异物的出现可能会引发输送带撕裂或堵塞等安全风险。针对输送带输送物料中异物多样、人工巡检效率低、硬件限制等问题,提出一种基于改进YOLOv8n的轻量化煤矿带式输送异物检测算法:采用GhostNetV2网络对原CSPDa... 在煤矿带式输送物料过程中,异物的出现可能会引发输送带撕裂或堵塞等安全风险。针对输送带输送物料中异物多样、人工巡检效率低、硬件限制等问题,提出一种基于改进YOLOv8n的轻量化煤矿带式输送异物检测算法:采用GhostNetV2网络对原CSPDarkNet53主干网络进行轻量化改进,以减少模型的参数和计算量;整合全局平均池化和全局最大池化思想优化SPPF模块,关注煤矿恶劣环境影响下图像的底层信息;设计了headC2f_CA模块,融入通道注意力机制,以便能够更有效地捕捉不同尺度和位置的异物特征,强化特征信息表达;引入DIoU损失函数,精确反映锚框与预测框之间的相似度,提升模型检测精度。实验结果表明,改进后的模型平均精度均值达88.3%,相比于基线模型YOLOv8n,提升了0.8%,参数量减少了18.51%,计算量减小了20.73%,模型大小缩减了15.87%。该模型有效缓解了边缘设备的硬件限制,同时保障了煤矿安全监测的准确性。 展开更多

关键词 煤矿 带式输送机 输送带异物 部署轻量化 GhostNetV2 SPPF优化 headC2f_CA注意力模块 DIoU损失函数

在线阅读 下载PDF 职称材料

基于改进YOLOv5的矿用输送带纵向撕裂检测方法 被引量：3

14

作者 于庆 罗明华 +2 位作者 向亮 游磊 朱兴林 《矿业安全与环保》 CAS 北大核心 2024年第4期1-8,共8页

带式输送机输送带纵向撕裂可能引发重大安全事故。针对现有输送带撕裂检测方法精度低、抗干扰能力差的问题,提出了一种基于多尺度特征融合的纵向撕裂检测系统。该系统通过线性激光和高速相机实时捕获输送机胶带表面图像,使用LoG算法对... 带式输送机输送带纵向撕裂可能引发重大安全事故。针对现有输送带撕裂检测方法精度低、抗干扰能力差的问题,提出了一种基于多尺度特征融合的纵向撕裂检测系统。该系统通过线性激光和高速相机实时捕获输送机胶带表面图像,使用LoG算法对图像进行预处理,提取图像关键区域、减少数据冗余,并通过多尺度特征融合神经网络进行撕裂检测。在检测算法方面,在神经网络主干网络中引入ConvNeXt特征增强模块,提高模型对细小撕裂纹理的特征提取能力,在Neck部分使用双向特征金字塔网络(BiFPN)融合浅层细节纹理特征,减少下采样过程中深层网络细节信息的丢失。实验结果表明,改进后的算法对输送带纵向撕裂故障的检测精度P和平均精度均值(mAP)分别达到了96.34%、94.36%,优于其他主流的检测方法。 展开更多

关键词 带式输送机 输送带 纵向撕裂 目标检测 YOLOv5 特征融合

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 被引量：2

15

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... 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。 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YOLOv8n+DeepSORT的带式输送机异物检测及计数方法 被引量：1

16

作者 陈腾杰 李永安 +1 位作者 张之好 林斌 《工矿自动化》 CSCD 北大核心 2024年第8期91-98,共8页

现有带式输送机异物检测方法存在提取目标语义信息能力弱、检测精度差等问题,且仅对异物进行识别检测,不能准确计算异物数量。针对该问题,设计了一种基于改进YOLOv8n+DeepSORT的带式输送机异物检测及计数方法。对YOLOv8n模型进行改进,... 现有带式输送机异物检测方法存在提取目标语义信息能力弱、检测精度差等问题,且仅对异物进行识别检测,不能准确计算异物数量。针对该问题,设计了一种基于改进YOLOv8n+DeepSORT的带式输送机异物检测及计数方法。对YOLOv8n模型进行改进,再使用改进YOLOv8n(MSF−YOLOv8n)模型对带式输送机异物进行识别;将MSF−YOLOv8n模型的异物检测结果作为DeepSORT算法的输入,实现带式输送机异物跟踪和计数。YOLOv8n改进方法:使用C2f_MLCA模块替换主干网络中的C2f模块,提高网络在颜色信息单一环境下的信息提取能力;使用分离和增强注意力模块(SEAM)改进Head部分,以提高异物被遮挡情况下的检测精度;采用Focaler−IoU优化损失函数,解决检测目标形状差异大的问题。MSF−YOLOv8n模型性能验证实验结果表明,MSF−YOLOv8n模型的mAP50达93.2%,相较于基础模型提高了2.1%;参数量仅为2.82×10^(6),比基础模型少了0.19×10^(6),更适合部署到巡检机器人等边缘设备中;检测精度比YOLOv5s,YOLOv7,YOLOv8s算法分别高2.2%,1.3%,0.3%;其帧率虽然比YOLOv8s和YOLOv8n低,但仍可满足视频实时性检测要求。异物检测及计数实验结果表明,DeepSORT算法的准确率达80%,可准确跟踪被遮挡的锚杆及形状差异较大的目标。 展开更多

关键词 带式输送机 目标检测与跟踪 异物检测及计数 MSF−YOLOv8n DeepSORT

在线阅读 下载PDF 职称材料

基于改进YOLOv7的煤矿输送带异物识别算法 被引量：2

17

作者 刘海强 高业成 +1 位作者 陈晓晶 葛广建 《仪表技术与传感器》 CSCD 北大核心 2024年第10期95-99,共5页

针对煤矿井下图像不清晰以及YOLOv7定位误差较大的问题,提出了一种改进YOLOv7模型。首先通过直方图均衡化提高图像目标的清晰度,然后在YOLOv7的主干网络中添加二阶通道注意力模块(SOCA),使其专注于更有益的信息,添加空洞空间卷积池化金... 针对煤矿井下图像不清晰以及YOLOv7定位误差较大的问题,提出了一种改进YOLOv7模型。首先通过直方图均衡化提高图像目标的清晰度,然后在YOLOv7的主干网络中添加二阶通道注意力模块(SOCA),使其专注于更有益的信息,添加空洞空间卷积池化金字塔(ASPP)模块,以多尺度的方式捕获上下文信息。实验结果表明:应用于煤矿输送带异物识别时,改进YOLOv7优于YOLOv7、YOLOv5、YOLOv5-CBAM模型。 展开更多

关键词 煤矿输送带 异物识别 YOLOv7 直方图均衡化 二阶通道注意力(SOCA) 空洞空间卷积池化金字塔(ASPP)

在线阅读 下载PDF 职称材料

基于改进YOLOv8的低照度煤矿传送带异物识别算法 被引量：1

18

作者 郭志聪 张雷 《电子测量技术》 北大核心 2024年第21期188-196,共9页

针对现有煤矿传送带异物检测模型在低光照环境下出现性能不佳,对细长异物和小目标异物存在误检、漏检情况,且模型体积较大,难以在边缘设备部署等问题,提出一种基于改进YOLOv8的低照度煤矿传送带异物检测算法。首先,采用图像增强的方法... 针对现有煤矿传送带异物检测模型在低光照环境下出现性能不佳,对细长异物和小目标异物存在误检、漏检情况,且模型体积较大,难以在边缘设备部署等问题,提出一种基于改进YOLOv8的低照度煤矿传送带异物检测算法。首先,采用图像增强的方法对低照度图像进行预处理,来增强煤矿传送带异物的有效特征信息;其次,在模型主干网络中引入动态蛇形卷积动态调整卷积核形状,以提升模型对细长异物的关注;此外,使用slim-neck设计范式对颈部网络进行改造,在保证学习能力的同时,大幅减少模型的参数。最后,采用Inner-CIoU损失函数替换CIoU损失函数,加快模型收敛速度,提高模型对细长异物和小目标异物的检测性能。实验结果表明,相较于基准模型,改进后的算法平均检测精度提高了1.6%,模型大小降低了29.7%,检测速度FPS提高了59%,验证了其有效性。在与其他先进模型的对比中,证明了本文算法在复杂环境下仍具有较强的识别能力。 展开更多

关键词 煤矿传送带 异物识别 YOLOv8 轻量化 损失函数

在线阅读 下载PDF 职称材料

基于YOLOv5的带式输送机煤堆异物检测 被引量：1

19

作者 陈世涛 张敏 栗超 《洁净煤技术》 CAS CSCD 北大核心 2024年第S02期12-18,共7页

带式输送机运送煤流存在掺杂异物,进而导致输送带撕裂问题。针对井下煤矿图像获取易受到光照、噪声等环境影响,以及光电检测设备产生较大的电噪声影响成像质量的缺陷,提出一种基于YOLOv5+机器视觉处理的带式输送机异物识别方法。该方法... 带式输送机运送煤流存在掺杂异物,进而导致输送带撕裂问题。针对井下煤矿图像获取易受到光照、噪声等环境影响,以及光电检测设备产生较大的电噪声影响成像质量的缺陷,提出一种基于YOLOv5+机器视觉处理的带式输送机异物识别方法。该方法首先利用高斯滤波消除椒盐噪声;随后增强图像对比度;最后将图像划分为输送带和其他两种区域进行特征提取,实验表明该方法在改善提取图像质量的同时解决了YOLOv5模型对小目标的识别不稳定的问题。 展开更多

关键词 机器视觉 异物检测 YOLOv5 带式传输

在线阅读 下载PDF 职称材料

基于CBAM-YOLOv5的煤矿输送带异物检测 被引量：69

20

作者 郝帅 张旭 +3 位作者 马旭 孙思雅 文虎 王均利 《煤炭学报》 EI CAS CSCD 北大核心 2022年第11期4147-4156,共10页

输送带是矿井下煤炭运输的重要设备之一,运行过程中由于大块煤、矸石、锚杆、槽钢等异物混入易导致皮带撕裂故障发生,严重影响煤矿安全生产,甚至威胁矿工生命安全。为了实现煤矿井下输送带上大块异物的自动、快速以及准确检测,设计了一... 输送带是矿井下煤炭运输的重要设备之一,运行过程中由于大块煤、矸石、锚杆、槽钢等异物混入易导致皮带撕裂故障发生,严重影响煤矿安全生产,甚至威胁矿工生命安全。为了实现煤矿井下输送带上大块异物的自动、快速以及准确检测,设计了一种基于计算机视觉技术的大块异物检测方法。针对输送带中异物目标图像受煤尘干扰、输送带高速运动以及光照不均等影响造成传统图像检测算法难以准确检测问题,提出一种融合卷积块注意力模型的YOLOv5目标检测算法,记为CBAM-YOLOv5。首先,通过自适应直方图均衡化算法来增强煤矿井下输送带图像的对比度,减少煤尘干扰;然后,针对输送带高速运动易导致待检测目标图像模糊进而造成目标难以被准确检测的问题,在YOLOv5算法框架下通过引入深度可分离卷积提高网络检测速度,并通过优化检测网络的损失函数提高整个网络的检测精度;其次,针对受光照不均影响导致异物目标难以被准确检测的问题,通过在YOLOv5检测网络中引入卷积块注意力模型来提升图像中异物目标的显著度,增强异物目标在检测网络中的特征表达能力,进而提高异物目标的检测精度;最后,利用某煤矿井下输送带监控视频数据制备训练样本和测试样本,并将提出的算法与4种经典目标检测算法进行对比。实验结果表明:所提出的检测算法可以较好的解决异物目标检测时易受煤尘干扰、输送带高速运动以及光照不均对目标检测精度的影响,对于分辨率为1 280×720的图像平均检测精度可达94.7%,检测速度为31 fps。 展开更多

关键词 异物检测 YOLOv5 输送带 注意力机制 深度可分离卷积 深度学习

在线阅读 下载PDF 职称材料