基于改进型YOLOv5的粉尘检测算法
陈清华1
张俊伟2
程迎松3
张旭4
程建华5
1.安徽理工大学 机电工程学院,安徽 淮南 232001;安徽理工大学 环境友好材料与职业健康研究院(芜湖),安徽 芜湖 241003;安徽理工大学 矿山智能装备与技术安徽省重点实验室,安徽 淮南 2320012.安徽理工大学 机电工程学院,安徽 淮南 232001;安徽理工大学 矿山智能装备与技术安徽省重点实验室,安徽 淮南 2320013.安徽理工大学 机电工程学院,安徽 淮南 232001;安徽理工大学 矿山智能装备与技术安徽省重点实验室,安徽 淮南 232001;安徽理工大学 机械工业矿山装备智能化实验室,安徽 淮南 2320014.安徽理工大学 矿山智能装备与技术安徽省重点实验室,安徽 淮南 2320015.安徽理工大学 机电工程学院,安徽 淮南 232001
摘要：近年来,由于基于图像识别的粉尘检测方法不存在安装和检测范围局限性等问题,因此得到了充分重视和发展,但现有方法实时性和准确性仍需提升.为此,提出了一种基于改进YOLOv5 算法的粉尘图像检测方法.首先,对现有YOLOv5 算法主干网络以及Neck网络进行改进,将轻量化网络GhostNet替换原有主干网络,以降低网络参数,再输出 3 个特征层;然后,针对主干网络输出的 3 个特征层,施加注意力机制CA,增加网络精度;最后,设计消融实验和对比实验验证改进算法的有效性.结果表明:改进算法的平均检测精度mAP(mean Average Preci-sion)能达到 92.11%,检测速度达 37 帧/s.
关键词：粉尘图像检测改进YOLOv5 算法置信度轻量化网络CA注意力机制
分类号：TD714(矿山安全与劳动保护)
论文发表日期：2025-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 79-88 )
英文信息