基于改进SOLOv2的煤矿图像实例分割方法
季亮
中煤科工集团常州研究院有限公司,江苏 常州 213015;天地(常州)自动化股份有限公司,江苏 常州 213015
摘要：现有的图像分割方法用于清晰度较好的煤矿井下图像时效果良好,但应用于环境复杂的煤矿井下时,获取的图像大多较模糊且目标物体轮廓不清晰,从而影响目标物体的分割精度.针对上述问题,提出了一种基于改进SOLOv2的煤矿图像实例分割方法.将SOLOv2模型的ResNet-50网络替换为ResNeXt-18网络,从而精简网络层数,提升模型的推理速度;引入坐标注意力(CA)模块,以提升模型特征提取能力,保留精确的位置信息,提高模型的图像分割精度;采用ACON-C激活函数替换ReLU激活函数,从而使神经元之间的特征得以充分组合,增强模型的特征表达能力,进一步提高模型的图像分割精度.将改进SOLOv2模型部署在嵌入式平台上进行煤矿图像分割实验,相较于SOLOv2模型,改进SOLOv2模型的Mask AP(掩膜平均精度)提高了 1.1%,模型权重文件减小了83.2 MiB,推理速度提高了5.30帧/s,达26.10 帧/s,在煤矿图像分割精度和推理速度上均有一定提升.
关键词：煤矿目标识别实例分割深度学习SOLOv2ResNeXt-18网络坐标注意力
分类号：TD67(矿山电工)
资助基金：江苏省科技成果转化专项项目(BA2022040)天地(常州)自动化股份有限公司科研项目(2022FY0007)
论文发表日期：2023-11-10
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( 115-120 )
英文信息