-
作者
雷伟强王浩盛
-
单位
山西大同大学煤炭工程学院
-
摘要
针对目前基于图像处理的煤矸石检测方法精度低、实时性差、漏检等问题，文章提出了一种基于GCA-YOLOv5s的煤矸检测算法。引入Ghost轻量化模块代替卷积操作对网络模型进行压缩提升检测速度；采用卷积块注意力对特征图进行处理，使提取的特征更加精炼，提升模型的表现力；根据数据集中目标的大小分布特征，选择合适的Anchor尺度，提升煤矸的检测精度。实验数据表明：改进后的煤矸石检测算法在实时性方面优于默认的YOLOv5s检测算法，检测速度每秒提升了10.19帧，同时对小目标也有较好的检测效果。
-
关键词
煤矸石轻量化目标检测YOLOv5s
-
基金项目(Foundation)
山西省研究生教育创新项目基金(2021Y739)；山西大同大学研究生教育创新项目基金(21CX02、21CX37)；山西大同大学青年科研基金(2020Q5)；
-
文章目录
1 相关网络模型
1.1 YOLOv5s模型
1.2 GhostNet
2 煤矸目标检测算法
2.1 GCA-YOLOv5s模型
2.2 CBAM
2.3 Anchor优化方法
3 实验及结果分析
3.1 数据采集与处理
3.2 模型训练
3.3 实验结果分析
4 结 语
-
引用格式
雷伟强,王浩盛.基于GCA-YOLOv5s煤矸石检测技术研究[J].煤,2022,31(08):16-20.
煤 
2022年第08期 
