-
作者
陈彪卢兆林代伟邵明于大伟董良
-
单位
中国矿业大学信息与控制工程学院中国矿业大学人工智能研究院大地工程开发（集团）有限公司国电建投内蒙古能源有限公司
-
摘要
针对现有基于视觉技术的煤矸石分选方法存在模型参数量大、特征提取能力差、识别精度低等问题，提出了一种基于轻量化Ghost-S网络与混合并联注意力模块（HPAM）YOLOX-S模型（HPG-YOLOX-S模型）的煤矸石识别方法。首先，在YOLOX-S模型主干网络中加入HPAM，以增强图像中重要信息，抑制次要信息，加强主干网络的特征提取能力。其次，将YOLOX-S模型主干网络替换为参数量更小的Ghost-S网络，提高利用率与特征融合能力。最后，在预测层中采用SIOU损失函数来替换YOLOX-S模型的损失函数，提升检测与定位精度，加强对目标的提取能力。为验证所提方法对大块煤矸石的检测效果，将HPG-YOLOX-S模型与YOLOX-S模型进行对比，结果表明，HPG-YOLOX-S模型对煤与矸石的识别准确率分别为99.53%和99.60%，较YOLOX-S模型识别准确率分别提高了2.51%,1.27%。有效性验证结果表明，HPG-YOLOX-S模型的精确率、召回率和F1值均在94%以上，较YOLOX-S模型分别提高了5.68%,3.51%,2.91%; HPG-YOLOX-S模型的参数为7.8 MB，较YOLOX-S模型降低了1.2 MB。消融试验结果表明，HPG-YOLOX-S模型的平均精度均值较YOLOX-S模型提高了9.17%。热力图可视化试验结果表明，HPG-YOLOX-S模型关注煤与矸石的纹理和轮廓等表面差异，对煤矸石目标的全局关注度更加显著。
-
关键词
煤矸石检测图像识别轻量化网络HPG-YOLOX-S混合并联注意力模块
-
基金项目(Foundation)
国家自然科学基金项目（52274275,51604271）；
-
引用格式
陈彪,卢兆林,代伟,邵明,于大伟,董良.基于轻量化HPG-YOLOX-S模型的煤矸石图像精准识别[J].工矿自动化,2022,48(11):33-38.DOI:10.13272/j.issn.1671-251x.18035.
-
相关专题
工矿自动化 
2022年第11期 
