基于改进Hyper-YOLO的煤矿输送带异物检测方法
李刚
朱宇
杨庆贺
邹军鹏
才天
贺鹏
张亚兵
赵艺鸣
田鑫浩
辽宁工程技术大学矿业学院,辽宁 阜新 123000
摘要：基于YOLO系列的输送带异物检测技术已取得丰富的研究成果,但其颈部网络无法使相隔较远的特征层直接交换特征信息,引发小目标漏检、重复检测等问题.Hyper-YOLO可在颈部网络实现特征层之间跨层、跨位置的高阶关联,但会增加计算量,且降低对高频特征信息的敏感性,导致在噪声较为敏感的区域特征提取能力下降,预测边界框发生偏移.针对上述问题,提出一种基于改进Hyper-YOLO的煤矿输送带异物检测方法.在图像预处理阶段采用动态对比度受限自适应直方图均衡化(Dy-CLAHE)方法,将Laplacian算子引入对比度受限自适应直方图均衡化(CLAHE)框架,建立噪声水平与对比度限制阈值之间的动态映射关系,有效解决了粉尘环境下图像细节丢失和噪声放大的问题;对Hyper-YOLO进行改进,采用高效交并比(EIoU)损失函数优化边界框回归过程,提升了预测边界框定位精度,并在混合聚合网络(MANet)的深层和浅层嵌入高效通道注意力机制(ECA)模块,通过局部跨通道交互动态调整通道权重,有效平衡对高频和低频特征信息的敏感性,降低小目标异物的漏检率,同时通过简化快速空间金字塔池化(SimSPPF)模块,减少了冗余计算,在保证精度的同时提升了推理速度.实验结果表明:改进 Hyper-YOLO在准确率和 mAP@0.5指标上分别为 94.2%和 93.4%,相较于Hyper-YOLO提高了 5.0%和 3.5%,参数量为 3.26×106 个,召回率为 87.7%,检测速度为 158帧/s,满足煤矿井下异物实时检测的需求;在不同煤矿输送带异物检测场景下无漏检及重复检测情况,预测边界框更贴合异物.
关键词：煤矿输送带异物检测Hyper-YOLO动态对比度受限自适应直方图均衡EIoU高效通道注意力机制简化快速空间金字塔池化
分类号：TD528/634(矿山运输与设备)
资助基金：国家自然科学基金(52174077)
论文发表日期：2025-07-30
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：8( 114-121 )
英文信息