基于轻量化PAM-M-YOLO模型的煤矸石图像检测

作     者：郭栋梁 张延军 GUO Dongliang;ZHANG Yanjun

作者机构：太原科技大学机械工程学院L山西太原030024 

出 版 物：《矿业研究与开发》 (Mining Research and Development)

年 卷 期：2024年第44卷第5期

页      码：220-227页

摘      要：针对传统煤矸石检测算法中人为提取煤矸石图像特征过程复杂、检测精度低等问题,提出了一种轻量化的PAM-M-YOLO煤矸石检测模型。首先,使用MobileNetv3特征提取网络替换原模型主干网络,采用深度可分离卷积替换传统卷积进行煤矸石图像的特征提取;其次,设计PAM并联注意力模块提升目标检测网络层拼接后特征图通道和空间信息关注度;最后,基于CAM激活限制分支给模型添加先验信息,以降低模型在非关键特征上的局部坍塌。试验结果表明,轻量化PAM-M-YOLO煤矸石检测模型准确率、召回率、mAP值分别为98.7%、97.5%、98.8%,较原M-YOLO模型分别提升了3.6,2.3,2.0个百分点;参数量为3.8 MB,比YOLOv5模型降低了近1/2。热力图可视化效果表明,轻量化PAM-M-YOLO模型在检测过程中所关注的信息更集中于煤矸石区域,有效解决了模型在煤矸石区域的局部坍塌问题。

主 题 词：煤矸石图像检测 YOLOv5模型 轻量化PAM-M-YOLO模型 深度学习 注意力机制 损失函数 

学科分类：081901[081901] 0819[工学-海洋工程类] 08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.13827/j.cnki.kyyk.2024.05.020

馆 藏 号：203127730...