针对现有煤矿井下输送带异物检测方法应对复杂场景适应性差、无法满足实时性和轻量化要求、处理尺寸差异较大异物时表现不佳的问题，基于轻量化YOLOv7-tiny模型进行改进，提出了一种Stair-YOLOv7-tiny模型，并将其用于煤矿井下输送带异物检测。该模型在高效层聚合网络（ELAN）模块中添加特征拼接单元，形成阶梯ELAN（Stair-ELAN）模块，将不同层级的低维特征与高维特征进行融合，加强了特征层级间的直接联系，提升了信息捕获能力，增强了模型对不同尺度目标和复杂场景的适应性；针对检测头引入阶梯特征融合，形成阶梯检测头（Stair-head）模块，通过逐层融合不同分辨率的检测头特征，增强了中低分辨率检测头的特征表达能力，实现了特征信息的互补。实验结果表明：Stair-YOLOv7-tiny模型在输送带异物开源数据集CUMT-BelT上的检测效果优于CBAM-YOLOv5，YOLOv7-tiny及其轻量化模型，准确率、平均精度均值、召回率和精确率分别达98.5%，81.0%，82.2%和88.4%，检测速度为192.3帧/s；在某矿井下输送带监控视频分析中，Stair-YOLOv7-tiny模型未出现漏检或误检，实现了输送带异物的准确检测。

0 引言
1 Stair-YOLOv7-tiny模型
1.1 Stair-ELAN模块
1.2 Stair-head模块
2 实验与结果分析
2.1 数据集
2.2 模型训练
2.3 实验结果
2.3.1 性能对比
2.3.2消融实验
2.3.3可视化结果
3 结论

梅晓虎,吕小强,雷萌.基于Stair-YOLOv7-tiny的煤矿井下输送带异物检测[J/OL].工矿自动化,1-8[2024-08-26].https://doi.org/10.13272/j.issn.1671-251x.18172.