矿业安全与环保

作者：赵健, 王奕, 王海峰, 程德强, 李自豪

关键词：物料输送, 目标检测, 异物识别, 深度学习, 注意力机制, YOLOv5

针对矿井输送带在输送煤流的过程中，大块煤矸石和锚杆存在不同尺寸和形状，图像特征信息难以提取，传统目标检测算法检测效果不理想的问题，提出一种基于TDConv与统一注意力检测头的异物检测算法。该算法通过设计并行卷积的组合方式形成TDConv卷积模块，能有效保持图像特征原有信息，帮助更深的卷积层提取有效细节信息；在检测头部分加入统一注意力模块，有效提取和识别不同尺寸物体、不同空间位置之间的特征信息；基于煤矿井下不同场景的输送带制作了10万张矿用异物数据集(MFID)，为矿井煤流输送过程中异物检测的深入研究和实际应用提供资源支持。实验结果表明，该算法在矿用数据集MFID上的平均精度均值(mAP)与YOLOv5目标检测算法相比提升了2.1%；在具备高精度检测能力的同时，能有效减少异物检测网络模型参数量，使网络结构更加轻量化，适用于煤矿井下边缘计算设备。

来源：2024年第4期

《矿业安全与环保》期刊编辑部

查看矿业安全与环保杂志2024年第4期