基于改进YOLOv5的带式输送机大块煤检测
秦宇龙1
程继明2
任一个1
王晓晴1
赵青2
安翠娟1
1.北京科技大学自动化学院,北京 1000832.煤炭科学技术研究院有限公司,北京 100013
摘要：过大的煤块在带式输送机上运输时易造成煤流不畅、堵塞及堆煤,然而大块煤和普通煤块在外形和颜色上的差异较小,且煤块间存在遮挡和堆叠的情况,现有煤块检测方法对大块煤与普通煤块的区分不够精确,容易出现漏检或误检.针对上述问题,提出了一种改进YOLOv5模型,用于带式输送机大块煤检测.利用并行空洞卷积模块替换YOLOv5骨干网络中的部分普通卷积模块,扩大感受野,提升多尺度特征学习能力,从而更好地区分大块煤与普通煤块;在颈部网络中加入联合注意力模块,更好地融合上下文信息,提高对大块煤的定位能力.利用训练好的改进YOLOv5模型对摄像仪采集的实时输煤视频进行检测,根据大块煤的数量信息实时联动PLC示警.实验结果表明:相比于原始YOLOv5模型,改进YOLOv5模型在召回率和平均精度上分别提高了3.4％,2.0％;PLC可根据改进YOLOv5模型检测出的大块煤数量操作相应的指示灯和蜂鸣器进行示警;将改进YOLOv5模型应用于煤矿井下实际输煤视频中,对大块煤的检测精确率达97.0％,有效避免了漏检和误检现象.
关键词：带式输送机大块煤检测YOLOv5空洞卷积注意力机制PLC联动示警感受野
分类号：TD528.1(矿山运输与设备)
资助基金：国家自然科学基金(62273035)
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：7( 57-62,71 )
英文信息