摘要
带式输送机是矿山重要的运输设备,但在运输过程中煤流容易混入锚杆、矸石、槽钢等异物,影响矿山安全高效生产.为实现实时、准确的煤矿带式输送机异物检测功能,基于YOLOv5s算法与通道注意力模块,构建出一种融合通道信息的改进ECA-YOLOv5s检测网络模型.该检测网络模型针对矿山煤粉尘干扰、光照昏暗不均的问题,引入暗通道先验算法对图像进行预处理,降低粉尘干扰,提高图像清晰度;其次为解决因矿山环境复杂,异物目标提取度有限的问题,在YOLOv5s算法的主干网络部分添加了3层ECA(Efficient Channel Attention)通道注意力模块,以增强检测网络对异物目标的提取能力;最后,将YOLOv5s算法中原损失函数GIoU替换为EIoU,以提升检测网络的检测精度和检测速度.利用矿山带式输送机监控视频制备训练、测试数据集.在带式输送机异物数据集上进行迭代训练测试,得到该检测网络精确率为95.8%,召回率为88.7%,平均精确率均值为75.4%,检测速率为39帧/s,模型体积为7.49MB.分别对该网络进行消融试验对比、不同注意力机制性能试验对比及不同检测算法试验对比,结果表明,ECA-YOLOv5s检测网络在带式输送机异物检测方面有着显著优势,可以满足快速、准确检测出带式输送机异物的要求.
基金项目
国家自然科学基金资助项目(51974144)
辽宁省"揭榜挂帅"科技攻关资助项目(2021JH1/10400011)
辽宁工程技术大学学科创新团队资助项目(LNTU20TD-07)
维普
万方数据