基于MES-YOLOv5s的综采工作面大块煤检测算法
徐慈强1
贾运红2
田原2
1.煤炭科学研究总院,北京 1000132.中国煤炭科工集团太原研究院有限公司,山西太原 030032;煤矿采掘机械装备国家工程实验室,山西太原 030032
摘要：综采工作面的目标具有高速运动、多尺度、遮挡等特点,现有的目标检测算法存在精度低、模型占用的内存大、硬件依赖强等问题.针对上述问题,提出了一种基于MES-YOLOv5s的综采工作面大块煤检测算法.采用轻量化设计,将MobileNetV3作为主干网络,以减小模型占用的内存,提高CPU端的检测速度;在颈部网络添加高效多尺度注意力(EMA)模块,融合不同尺度的上下文信息,并进一步减少计算开销;采用SIoU损失函数代替CIoU损失函数,以提高训练速度和推理准确性.消融实验结果表明:MobileNetV3大幅减少了模型占用的内存和检测时间,但mAP损失严重;EMA模块和SIoU损失函数可在一定程度上恢复损失的精度,同时保证模型在CPU上具有较高的检测速度,满足煤矿井下目标实时检测需求.对比实验结果表明,与DETR,YOLOv5n,YOLOv5s,YOLOv7模型相比,MES-YOLOv5s模型综合性能最好,mAP为84.6％,模型占用的内存为11.2 MiB,在CPU端的检测时间为31.8 ms,在高速运动、多尺度、遮挡和多目标的工况环境下能够保持较高的召回率和精度.
关键词：综采工作面目标检测大块煤检测YOLOv5sMobileNetV3高效多尺度注意力模块SIoU损失函数
分类号：TD67(矿山电工)
资助基金：国家重点研发计划(2020YFB1314003)山西省自然科学基金资助项目(201801D121189)
论文发表日期：2024-03-10
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( 42-47,141 )
英文信息