山西焦煤科技2024，Vol.48Issue(2) ：6-10,14.

基于GSP-YOLO煤矸石检测算法研究

郑松涛 孙志鹏 陶虹京
山西焦煤科技2024，Vol.48Issue(2) ：6-10,14.
✕
  • NETL
  • NSTL
  • 万方数据

基于GSP-YOLO煤矸石检测算法研究

郑松涛 1孙志鹏 1陶虹京1
扫码查看

作者信息

  • 1. 山西大同大学 煤炭工程学院, 山西 大同 037003
  • 折叠

摘要

针对目前基于深度学习的煤矸石检测算法在图像检测速度与检测精度上不够理想的问题,提出了一种基于GSP-YOLOv5s的煤矸石检测算法.将主干网络中的卷积模块替换为 Ghost卷积模块,降低了参数量;引入SE注意力模块,增强识别能力;删除 20×20 检测头,更加轻量化.实验结果表明:GSP-YOLOv5s 算法检测的平均精度为 94.6%,较 YOLOv5s 精度提升了 0.8%;检测速度为110.3 fps,速度提升 7.6%.

关键词

煤矸石图像识别/深度学习/GSP-YOLOv5s算法/检测速度/精度

引用本文复制引用

基金项目

山西大同大学实践创新项目(22CX46)

山西大同大学实践创新项目(22CX41)

出版年

2024
山西焦煤科技
山西焦煤集团有限责任公司

山西焦煤科技

影响因子：0.223
ISSN：1672-0652
参考文献量10
段落导航相关论文