基于改进型YOLOv5的粉尘检测算法_中国煤炭行业知识服务平台

基于改进型YOLOv5的粉尘检测算法

作者

陈清华张俊伟程迎松张旭程建华
单位

安徽理工大学机电工程学院安徽理工大学环境友好材料与职业健康研究院（芜湖）安徽理工大学矿山智能装备与技术安徽省重点实验室安徽理工大学机械工业矿山装备智能化实验室
摘要

近年来，由于基于图像识别的粉尘检测方法不存在安装和检测范围局限性等问题，因此得到了充分重视和发展，但现有方法实时性和准确性仍需提升。为此，提出一种基于改进YOLOv5算法的粉尘图像检测方法，可为实现粉尘浓度高效、准确检测奠定技术基础。首先，对现有YOLOv5算法主干网络以及Neck网络进行改进，将轻量化网络GhostNet替换原有主干网络，以降低网络参数，再输出3个特征层；然后，针对主干网络输出的3个特征层，施加注意力机制CA，增加网络精度；最后，设计消融实验和对比实验验证改进算法的有效性。实验结果表明：改进的算法的平均检测精度mAP(mean Average Precision)能达到92.11%，帧率达37FPS。
关键词

粉尘图像检测改进YOLOv5算法置信度深度学习GhostNetCA注意力机制