来源：期刊VIP网 时间：
作者：梅晓虎;吕小强;雷萌;
单位：国家能源集团宁夏煤业有限责任公司枣泉煤矿;天地(常州)自动化股份有限公司;中国矿业大学信息与控制工程学院;
摘要：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(Stair-fusion),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。
关键词：输送带异物检测;YOLOv7-tiny;多尺度目标检测;Stair-fusion;高效层聚合网络;检测头
基金资助：国家自然科学基金青年科学基金项目(51904197); 天地(常州)自动化股份有限公司科研项目(2022FY0009)
