首页|基于GSP-YOLO煤矸石检测算法研究

基于GSP-YOLO煤矸石检测算法研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
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%.

郑松涛、孙志鹏、陶虹京

展开 >

山西大同大学 煤炭工程学院, 山西 大同 037003

煤矸石图像识别 深度学习 GSP-YOLOv5s算法 检测速度 精度

山西大同大学实践创新项目山西大同大学实践创新项目

22CX4622CX41

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
年,卷(期)：2024.48(2)
  • 10