-
题名YOLOv4煤矸石检测方法研究
被引量：13
- 1
-
-
作者
蔡秀凡
谢金辰
-
机构
神马实业股份有限公司帘子布公司
西安科技大学通信学院
-
出处
《煤炭工程》
北大核心
2022年第8期157-162,共6页
-
文摘
针对煤矸石分选的问题,提出一种基于深度学习的目标检测算法替代人工选矸,为后续开发自动选矸机器人提供视觉依据。由于矸石样本数量有限,各个地区矸石特征不一,没有统一标准大数量样本集,为不影响深度卷积网络训练精度,提出一种基于卷积生成对抗网络(DCGAN)的煤矸石图像数据扩充方法,建立有效的监督样本集进行训练。通过模型训练实验发现,基础YOLOv4的深度学习网络存在针对小块煤矸石漏检与误检的缺陷,通过采用修改K-means初始锚框参数与增加一个检测通道,在主干网络中加入SE注意力机制,来改进算法克服小块煤矸石漏检的缺陷。通过实验测试得出,改进后的YOLOv4能够对小块煤矸石检测,同时也能够提高目标检测模型的整体检测精度,准确率可达94%以上,完全可以替代人工检测。
-
关键词
目标检测模型
生成对抗网络
图像扩充
煤矸石检测
-
Keywords
target detection model
DCGAN
image expansion
coal and gangue detection
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
TD94
[矿业工程—选矿]
-
