基于CED-YOLOv5s模型的煤矸识别方法研究
何凯1
程刚1
王希1
葛庆楠2
张辉1
赵东洋1
1.安徽理工大学深部煤矿采动响应与灾害防控国家重点实验室,安徽淮南 232001;安徽理工大学机械工程学院,安徽淮南 2320012.安徽理工大学深部煤矿采动响应与灾害防控国家重点实验室,安徽淮南 232001
摘要：由于煤矿井下高噪声、低照度、运动模糊的复杂工况和煤矸易聚集现象,导致煤矸目标检测模型特征提取困难及煤矸分类、定位不准确问题.针对该问题,提出一种基于CED-YOLOv5s模型的煤矸识别方法.首先,在YOLOv5s主干网络中引入坐标注意力(CA)机制,通过将坐标信息嵌入信道关系和长程依赖关系中对特征图进行编码,充分利用通道注意力信息和空间注意力信息,使模型更加关注重要特征,抑制无用信息.其次,在YOLOv5s的检测头部引入EIoU回归损失函数,将目标框与锚框的宽高差异最小化,以增强目标的位置和边界信息,提高模型在密集目标下的定位精度和收敛速度;最后,在YOLOv5s的检测头部引入轻量化解耦头,解耦出单独的特征通道,分别用于分类任务和回归任务,解决了原模型中耦合头部分类任务与回归任务的相互干扰问题,进一步提升了模型的并行运算效率与检测精度.实验结果表明:CED-YOLOv5s模型与其他YOLO系列目标检测模型相比,综合性能最佳,平均检测精度达94.8％,相较于YOLOv5s模型提升了3.1％,检测速度达84.8帧/s,可充分满足煤矿井下煤矸实时检测需求.
关键词：煤矸识别YOLOv5s坐标注意力损失函数轻量化解耦头密集目标定位
分类号：TD67(矿山电工)
资助基金：安徽高校协同创新资助项目(GXXT-2021-076)
论文发表日期：2024-02-10
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：9( 49-56,82 )
英文信息