基于RT-DETR改进的皮带运输机异物识别方法

作     者：冯海东 Feng Haidong

作者机构：黑龙江科技大学黑龙江哈尔滨 

基　　金：黑龙江科技大学2023年研究生创新科研项目(YJSCX2023-117HKD) 

出 版 物：《科学技术创新》 (Scientific and Technological Innovation)

年 卷 期：2024年第11期

页      码：222-228页

摘      要：凭借兼顾检测精度与速度的特点,YOLO近年来已成为煤炭等工业领域目标检测模型的佼佼者。然而,YOLO的检测性能受到置信度阈值和非极大值抑制阈值等超参数设定的影响。因此,本研究提出了一种基于改进的RT-D ETR带式输送机非煤异物检测模型。该模型无需置信度过滤和非极大值抑制,从而提升了检测精度。此外,针对RT-DETR参数量较大、难以在计算资源有限的边缘设备上部署的问题,我们设计了一种EMA-Faster Net骨干网络,并将颈部网络的AIFI模块替换为LPE-AIFI模块。最后,我们采用TensorRT进行加速,并将模型部署到Jetson Orin Nano边缘计算设备上。实验结果表明,改进后的RT-DETR模型与具有相似参数量的YOLOv8s相比,其召回率高出5.6%,平均类别精度高出4.3%;经TensorRT加速后,模型帧率可达26.4 FPS,满足了实时监测的要求。

主 题 词：带式输送机 非煤异物识别 改进RT-DETR 边缘计算 

学科分类：1305[艺术学-设计学类] 13[艺术学] 081901[081901] 0819[工学-海洋工程类] 08[工学] 081104[081104] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

D　O　I：10.3969/j.issn.1673-1328.2024.11.056

馆 藏 号：203128178...