10.3969/j.issn.1673-9957.2023.18.002
基于GhostNeXt-SlimNet的煤矿井下皮带运输机异物识别模型
随着"智慧矿山"高清监控摄像机部署规模变大,将井下皮带运输机监控视频统一上传至地面服务器进行集中处理的方式会导致系统的延时较高,难以对发生在现场的紧急事件做出实时响应.针对上述问题,该文提出将目标检测程序部署在边缘设备,又针对边缘设备计算资源有限等问题设计了 一种基于YOLOv5改进的轻量化目标检测模型——GhostNeXt-Slim Net.该模型的骨干网络以ConvNeXt为基础框架,同时还结合Ghost模块.颈部网络使用Slim Neck.试验结果表明,与GhostNet原网络相比,改进后的模型不仅减少了运算量,而且还提高了精确率、召回率.
智慧矿山、非煤异物识别、边缘设备、深度学习、Yolov5、轻量化网络
TD528(矿山运输与设备)
2023-11-07（万方平台首次上网日期，不代表论文的发表时间）
共5页
1-5
