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。

国家自然科学基金项目（52274275,51604271）；

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.