来源：期刊VIP网 时间：
作者：李利;梁晶;陈旭东;寇发荣;潘红光;
单位：西安科技大学电气与控制工程学院;西安市电气设备状态监测与供电安全重点实验室;西安科技大学机械工程学院;
摘要：为改善现有输煤皮带异物识别算法网络参数量大、识别精度不高的问题，及时避免大块煤和矸石、锚杆等带来的安全隐患，提出了一种基于多注意融合网络的输煤皮带异物识别方法，使用低照度图像处理算法对数据集进行预处理，采用融合局部注意力残差块作为基本特征提取单元，在残差块中融入带有额外偏移量的可变形卷积以增加对不规则特征的描述，用注意力机制对全局特征图做期望最大化处理。结果表明：在Cifar 10数据集和矿用皮带传输异物识别数据集的识别准确率分别为93.7%和84.8%;与ShufflenetV2、MobileNetV2、ResNet 50、ResNet 110、Darknet 53算法相比，识别准确率分别提升了4.7%、3.9%、0.4%、0.5%、1.7%;与识别准确率相近的ResNet 50、ResNet 110算法相比，网络参数量和计算复杂度大大减小。识别方法能够快速识别输煤皮带异物，且具有较高的识别准确率，对保障煤矿运输系统的安全运行具有参考意义。
关键词：异物识别;;输煤皮带;;Darknet网络;;可变形卷积;;注意力机制
基金资助：陕西省自然科学基础研究计划项目(2024JC-YBQN-0726);; 陕西省教育厅科研计划项目(23JK0550);; 西安市科技计划项目(23DCYJSGG0025-2022)
