DOI: 10.11799/ce202602021
面向井下输送带的轻量高精度异物检测网络研究
水怡飞
高贵军
焦少妮
太原理工大学 机器人科学与工程学院,山西 太原 030024
摘要：针对煤矿井下因环境噪声、目标尺度多变及遮挡等复杂因素导致的检测性能与实时性难以平衡的问题,文章提出一种基于改进YOLOv11 的轻量高精度井下输送带异物检测方法.首先,在YOLOv11 基础上引入融合多路径通道注意力的动态卷积模块(DCNv2-Dynamic),替换骨干网络中C3k2 的常规卷积,增强复杂场景下关键特征的捕捉;其次,增加 160×160 检测层以强化小目标感知,同时移除冗余的20×20 输出层以降低计算量;进一步,在检测头中嵌入分离与增强注意力模块(SEAM),缓解遮挡导致的信息丢失问题.实验结果表明,改进模型在计算量和体积分别降低26.2%和21.8%的同时,实现了mAP50 与mAP50:95 分别提升3.7%与10.8%的性能飞跃,为煤矿输送带异物检测提供了高效可靠的解决方案.
关键词：输送带异物检测YOLO动态卷积轻量化网络
分类号：TD353(矿山压力与支护)
资助基金：山西省科技创新领军人才团队项目(202204051002003)山西省重点研发计划(202102100401004)
论文发表日期：2026-02-20
在线出版日期：2026-03-23（本平台首次上网日期，不代表文献的发表时间）
页数：7( 169-175 )
英文信息