煤矿井下胶带运输图像具有照度低、细节不清晰、背景干扰等特点，现有的带式输送机异物检测模型存在精度低、灵活性差、计算量大、优化空间存在差异等问题。针对上述问题，提出了一种基于生成对抗网络(GAN)的带式输送机异物检测方法。对胶带运输过程视频文件进行预处理，分类得到正常图像、异常图像，制作实验数据集对改进GANomaly模型进行训练，再通过训练好的模型进行带式输送机异物检测。在训练阶段，将不含异物的带式输送机图像作为输入；在测试阶段，将含有异物的带式输送机图像作为输入，得到的重构图像与输入网络的原图像作差，即可得到异物的具体位置。GANomaly模型轻量化改进方法：在GANomaly基础网络模型中加入深度可分离卷积残差模块，采用深度可分离卷积代替原有主干网络中的卷积操作，大幅降低了模型计算量，同时减少了参数的冗余计算，能够明显提高异物检测速度；通过合并多个批量归一化(BN)层，加快模型的收敛迭代速度，提高模型的泛化收敛能力，有效避免梯度消失。实验结果表明，改进GANomaly模型相较于传统GANomaly模型，在运行速度上提升了6.27%，评价指标F1分数、AUC、Recall和mAP分别提升了19.05%，22.22%，15.00%，17.14%。

0 引言
1 网络模型构建
1.1模型结构
1.2 GANomaly基础网络模块
1.3 深度可分离卷积残差模块
1.4 BN层合并模块
2 实验准备与评价指标
2.1 煤矿胶带运输数据集构造
2.2 评价指标
2.3 实验环境
3 胶带异物检测实验结果与分析
3.1 实验结果与分析
3.2 对比实验
4 结论

张立亚.基于生成对抗网络的带式输送机异物检测方法[J/OL].工矿自动化:1-7[2023-11-17].DOI:10.13272/j.issn.1671-251x.2023080046.