来源：期刊VIP网 时间：
作者：高如新;杜亚博;常嘉浩;
单位：河南理工大学电气工程与自动化学院;河南省煤矿装备智能检测与控制重点实验室;河南省智能装备直驱技术与控制国际联合实验室;
摘要：目的 为了探索基于现有机器视觉煤矸石检测方法的模型参数量、计算量对检测速度和嵌入式设备的影响，方法 提出一种基于改进的无锚框YOLOX-S轻量化煤矸石检测模型。为使模型能提取更真实的煤矸石特征信息，收集分选现场煤矸石样本，保证实际环境下的煤矸石检测效果，适应实际生产环境。结合CSPNet，将输入的特征图分割成两个分支，实现更丰富的梯度组合，同时减少模型计算量；之后在其中一条分支使用Ghost轻量化卷积，通过少量常规卷积生成一组特征图，达到初次减少计算量和参数量的效果，然后在此特征图基础上经过简单线性变化操作，生成一组新的特征图，将两组特征图进行融合，降低对计算资源需求的同时，也达到了常规卷积相同的特征提取效果；引入LeakyReLU激活函数减弱模型梯度消失的影响，提取更深更多的特征信息；最后融合两个分支特征，保证较高的检测精度，提升模型检测速度。采用CIOU Loss(complete IOU loss)优化目标边界框回归损失函数，使模型回归损失收敛更快，提高模型目标定位能力。结果 与原模型相比，本文改进模型在保证较高的平均精度均值90.51%情况下，模型参数减少47%，计算量减少49%，检测速度达到50帧/s。结论 轻量化煤矸石检测模型使智能化煤矸石检测在实际生产环境中具有一定的应用前景。
关键词：煤矸石检测;;YOLOX-S;;轻量化;;目标定位;;检测速度
基金资助：国家重点研发计划项目（2018YFC0604502）
