来源：期刊VIP网 时间：
作者：秦宇龙;程继明;任一个;王晓晴;赵青;安翠娟;
单位：北京科技大学自动化学院;煤炭科学技术研究院有限公司;
摘要：过大的煤块在带式输送机上运输时易造成煤流不畅、堵塞及堆煤，然而大块煤和普通煤块在外形和颜色上的差异较小，且煤块间存在遮挡和堆叠的情况，现有煤块检测方法对大块煤与普通煤块的区分不够精确，容易出现漏检或误检。针对上述问题，提出了一种改进YOLOv5模型，用于带式输送机大块煤检测。利用并行空洞卷积模块替换YOLOv5骨干网络中的部分普通卷积模块，扩大感受野，提升多尺度特征学习能力，从而更好地区分大块煤与普通煤块；在颈部网络中加入联合注意力模块，更好地融合上下文信息，提高对大块煤的定位能力。利用训练好的改进YOLOv5模型对摄像仪采集的实时输煤视频进行检测，根据大块煤的数量信息实时联动PLC示警。实验结果表明：相比于原始YOLOv5模型，改进YOLOv5模型在召回率和平均精度上分别提高了3.4%,2.0%;PLC可根据改进YOLOv5模型检测出的大块煤数量操作相应的指示灯和蜂鸣器进行示警；将改进YOLOv5模型应用于煤矿井下实际输煤视频中，对大块煤的检测精确率达97.0%，有效避免了漏检和误检现象。
关键词：带式输送机;大块煤检测;YOLOv5;空洞卷积;注意力机制;PLC联动示警;感受野
基金资助：国家自然科学基金资助项目（62273035）
