-
题名基于视觉信息的煤矸识别分割定位方法
- 1
-
-
作者
杨宇豪
郭永存
李德永
王爽
-
机构
安徽理工大学煤炭无人化开采数智技术全国重点实验室
安徽理工大学机电工程学院
安徽理工大学矿山智能技术与装备协同创新中心
-
出处
《浙江大学学报(工学版)》
北大核心
2025年第7期1421-1433,共13页
-
基金
国家自然科学基金资助项目(52404160,52274152)
深部煤矿采动响应与灾害防控国家重点实验室开放基金资助项目(SKLMRDPC23KF21)
+1 种基金
安徽理工大学高层次引进人才科研启动基金资助项目(2023yjrc56)
矿山液压技术与装备国家地方联合工程研究中心开放基金资助项目(MHTE23-R07)。
-
文摘
在复杂相似背景下煤矸视觉感知模型存在检测精度低与形心定位精度低的问题,为此提出新的煤矸识别分割定位方法.采用高效多尺度挤压激励注意力机制(ESAM)、内容感知特征重组模块(CARAFE)与全卷积掩码自编码器网络(ConvNeXtV2)优化YOLOv5s模型,构建煤矸目标检测模型(ECC-YOLO),提升煤矸的综合检测性能.建立融合自适应中值滤波与梯度增强的煤矸边缘检测算法,实现对矸石图像的精准分割与形心定位.基于煤矸自制数据集的实验结果表明:相比YOLOv5s、YOLOv7-tiny、YOLOv8s、SSD和DETR,ECC-YOLO的综合检测性能最优,平均精度均值为89.0%,平均检测速度为89.29帧/s;对比Canny、Prewitt、KSW和OTSU算法,所建算法对于边缘提取的完整程度最佳,像素面积与形心坐标的最大误差率分别为1.491%和1.796%,该算法具有较高的矸石定位精度.
-
关键词
煤矸识别
YOLO
注意力机制
边缘检测
形心定位
-
Keywords
coal and gangue identification
YOLO
attention module
edge detection
centroid localization
-
分类号
TP94
[自动化与计算机技术]
TP242.2
[自动化与计算机技术—检测技术与自动化装置]
-
