基于轻量化HPG-YOLOX?S模型的煤矸石图像精准识别
陈彪1
卢兆林1
代伟2
邵明3
于大伟4
董良5
1.中国矿业大学 信息与控制工程学院,江苏 徐州 2210002.中国矿业大学 信息与控制工程学院,江苏 徐州 221000;中国矿业大学 人工智能研究院,江苏 徐州 2210003.大地工程开发(集团)有限公司,天津 3000004.国电建投内蒙古能源有限公司,内蒙古 鄂尔多斯 0172095.中国矿业大学 人工智能研究院,江苏 徐州 221000
摘要：针对现有基于视觉技术的煤矸石分选方法存在模型参数量大、特征提取能力差、识别精度低等问题,提出了一种基于轻量化Ghost-S网络与混合并联注意力模块(HPAM)YOLOX?S模型(HPG?YOLOX?S模型)的煤矸石识别方法.首先,在YOLOX?S模型主干网络中加入HPAM,以增强图像中重要信息,抑制次要信息,加强主干网络的特征提取能力.其次,将YOLOX?S模型主干网络替换为参数量更小的Ghost?S网络,提高利用率与特征融合能力.最后,在预测层中采用SIOU损失函数来替换YOLOX?S模型的损失函数,提升检测与定位精度,加强对目标的提取能力.为验证所提方法对大块煤矸石的检测效果,将HPG?YOLOX?S模型与YOLOX?S模型进行对比,结果表明,HPG?YOLOX?S模型对煤与矸石的识别准确率分别为99.53％和99.60％,较YOLOX?S模型识别准确率分别提高了2.51％,1.27％.有效性验证结果表明,HPG?YOLOX?S模型的精确率、召回率和F1值均在94％以上,较YOLOX?S模型分别提高了5.68％,3.51％,2.91％;HPG?YOLOX?S模型的参数为7.8 MB,较YOLOX?S模型降低了1.2 MB.消融试验结果表明,HPG?YOLOX?S模型的平均精度均值较YOLOX?S模型提高了9.17％.热力图可视化试验结果表明,HPG?YOLOX?S模型关注煤与矸石的纹理和轮廓等表面差异,对煤矸石目标的全局关注度更加显著.
关键词：煤矸石检测图像识别轻量化网络HPG-YOLOX-S混合并联注意力模块
分类号：TD94(选矿)
资助基金：国家自然科学基金(52274275)国家自然科学基金(51604271)
论文发表日期：2022-11-10
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：6( 33-38 )
英文信息