基于改进YOLOv7的煤矿带式输送机异物识别
毛清华
李世坤
胡鑫
薛旭升
姚丽杰
西安科技大学 机械工程学院,陕西 西安 710054;陕西省矿山机电装备智能检测与控制重点实验室,陕西 西安 710054
摘要：带式输送机煤流中会掺杂锚杆、角铁、木条、矸石、大块煤等异物,易导致输送带撕裂、转接处堵塞甚至断带.针对带式输送机巡检机器人难以在井下光照不均及带式输送机高速运行环境中高效、准确识别异物及模型部署不便等问题,以及YOLOv7模型对目标特征提取能力高,但识别速度较慢的特点,提出了一种基于改进YOLOv7的煤矿带式输送机异物识别方法.运用限制对比度自适应直方图均衡化方法对采集的带式输送机监控图像进行增强,提高图像中物体轮廓的清晰度;对YOLOv7模型进行改进,通过在主干提取网络引入轻量化无参注意力机制,提高模型对图像复杂背景的抗干扰能力和对异物特征的提取能力,同时引入深度可分离卷积代替主干特征提取网络中的普通卷积,提高异物识别速度;使用TensorRT引擎将训练后的改进YOLOv7模型进行转换并部署在NVIDIA Jetson Xavier NX上,实现了模型的加速.对煤矿井下分辨率为1 920×1 080的带式输送机监控视频进行识别,实验结果表明:改进YOLOv7模型的识别效果优于YOLOv5L和YOLOv7模型,识别精确率达92.8%,识别速度为25.64帧/s,满足精确、高效识别带式输送机异物的要求.
关键词：带式输送机异物识别YOLOv7无参注意力机制深度可分离卷积TensorRT
分类号：TD528/634(矿山运输与设备)
资助基金：陕西省重点研发计划项目(2018ZDCXL-GY-06-04)煤矿机电系统智能测控创新团队项目(2022TD-043)
论文发表日期：2022-12-10
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：7( 26-32 )
英文信息