基于改进YOLOv5s模型的煤矸目标检测

摘要：

针对现有基于深度学习的煤矸目标检测方法存在检测速度慢且检测精度较低等问题,提出了一种改进YOLOv5s模型,并将其应用于煤矸目标检测中.改进YOLOv5s模型在YOLOv5s模型Backbone区域嵌入自校正卷积(SCConv)作为特征提取网络,可更好地融合多尺度特征信息;由于煤块和矸石的尺寸相对整张图像过小,对YOLOv5s模型Neck区域进行适当精简,将适合检测较大尺寸对象的19×19特征图分支删除,从而降低模型复杂度并提高检测实时性;对通过K-means算法聚类得到的锚框进行线性缩放,提高模型检测精度.基于改进YOLOv5s模型的煤矸目标检测实验表明,相较于YOLOv5s模型,改进YOLOv5s模型能准确检测出相应的煤块和矸石,且改进YOLOv5s模型大小降低了1.57MB,帧速率增加了2.1帧/s,平均精度均值提高了1.7％,表明改进YOLOv5s模型检测精度和检测速度均有提升.

关键词：煤矸分选;煤矸识别;煤矸目标检测;YOLOv5s;自校正卷积

所属期刊栏目：47

分类号：TD67(矿山电工)

资助基金：天地科技股份有限公司科技创新创业资金专项项目2020-TD-ZD010

在线出版日期：2021-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：107-111,118