YOLOv7在煤矸石检测中的应用
朱斌
南京业恒达智能系统股份有限公司,江苏南京 210031
摘要：煤矸石分拣是煤炭开采和加工过程中的重要环节,可以有效降低煤炭后期加工难度和成本.针对目前我国煤矸石分拣工艺复杂、分拣效率低、人工选矸工作难度大等问题,提出了 一种基于深度学习的煤矸石检测方法.该方法采用YOLOv7深度学习算法为核心,通过制作煤矸石数据集、训练检测模型、搭建煤矸石检测平台,实现了煤矸石实时智能分拣.试验结果表明,YOLOv7模型的mAP为96.70％,检测速度为69fps,相比于YOLOv5、SSD和Faster-RCNN算法具有明显优势.
关键词：深度学习煤矸石YOLOv7目标检测
分类号：TD849+.5(矿山开采)
论文发表日期：2024-06-12
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：4( 52-55 )
英文信息