基于CFU-Net的井下煤流实时分割模型
张飞
张梅
安徽理工大学 电气与信息工程学院,安徽 淮南 232001
摘要：针对煤矿井下粉尘干扰强、光照条件复杂等导致的煤流检测难题,提出基于煤流U型网络(coal flow U-shaped network,CFU-Net)的井下煤流实时分割模型.首先,基于轻量化移动网络版本 4(mobile network version 4,MobileNetV4)改进U-Net的主干网络结构,提升模型的运行效率.其次,采用轻量化多尺度特征保持(lightweight multi-scale feature preservation,LMFP)模块与动态采样(dynamic sampling,DySample)算子,弥补通道压缩导致的特征缺失,强化模型的细节重建能力.最后,通过动态特征拼接(dynamic feature interaction,DFI)模块改进U-Net的跳跃连接方式,实现跨层特征的自适应深度融合,增强模型对不同尺度特征的感知能力.结果表明,CFU-Net模型的平均交并比(mean intersection over union,mIoU)可达95.10%,检测速度提升至70.20 帧/s,兼具精度高与速度快的优点,与金字塔场景解析网络(pyramid scene parsing network,PSPNet)、深度双分辨率网络(deep dual-resolution network,DDRNet)等主流模型相比展示出明显优势.该研究证实基于CFU-Net的井下煤流实时分割模型可以满足实际场景中的煤流检测需求.
关键词：煤流检测带式输送机语义分割改进U-Net多尺度融合
分类号：TD528(矿山运输与设备)
资助基金：国家自然科学基金(52374154)
论文发表日期：2025-09-20
在线出版日期：2025-09-24（本平台首次上网日期，不代表文献的发表时间）
页数：6( 382-387 )
英文信息