典型文献
基于轻量化HPG-YOLOX?S模型的煤矸石图像精准识别
文献摘要：
针对现有基于视觉技术的煤矸石分选方法存在模型参数量大、特征提取能力差、识别精度低等问题,提出了一种基于轻量化Ghost-S网络与混合并联注意力模块(HPAM)YOLOX?S模型(HPG?YOLOX?S模型)的煤矸石识别方法.首先,在YOLOX?S模型主干网络中加入HPAM,以增强图像中重要信息,抑制次要信息,加强主干网络的特征提取能力.其次,将YOLOX?S模型主干网络替换为参数量更小的Ghost?S网络,提高利用率与特征融合能力.最后,在预测层中采用SIOU损失函数来替换YOLOX?S模型的损失函数,提升检测与定位精度,加强对目标的提取能力.为验证所提方法对大块煤矸石的检测效果,将HPG?YOLOX?S模型与YOLOX?S模型进行对比,结果表明,HPG?YOLOX?S模型对煤与矸石的识别准确率分别为99.53％和99.60％,较YOLOX?S模型识别准确率分别提高了2.51％,1.27％.有效性验证结果表明,HPG?YOLOX?S模型的精确率、召回率和F1值均在94％以上,较YOLOX?S模型分别提高了5.68％,3.51％,2.91％;HPG?YOLOX?S模型的参数为7.8 MB,较YOLOX?S模型降低了1.2 MB.消融试验结果表明,HPG?YOLOX?S模型的平均精度均值较YOLOX?S模型提高了9.17％.热力图可视化试验结果表明,HPG?YOLOX?S模型关注煤与矸石的纹理和轮廓等表面差异,对煤矸石目标的全局关注度更加显著.
文献关键词：
煤矸石检测;图像识别;轻量化网络;HPG-YOLOX-S;混合并联注意力模块
中图分类号：
作者姓名：
陈彪;卢兆林;代伟;邵明;于大伟;董良
作者机构：
中国矿业大学 信息与控制工程学院,江苏 徐州 221000;中国矿业大学 人工智能研究院,江苏 徐州 221000;大地工程开发(集团)有限公司,天津 300000;国电建投内蒙古能源有限公司,内蒙古 鄂尔多斯 017209
文献出处：
引用格式：
[1]陈彪;卢兆林;代伟;邵明;于大伟;董良-.基于轻量化HPG-YOLOX?S模型的煤矸石图像精准识别)[J].工矿自动化,2022(11):33-38
A类：
混合并联注意力模块,SIOU
B类：
HPG,YOLOX,精准识别,视觉技术,煤矸石分选,分选方法,模型参数量,特征提取能力,识别精度,Ghost,HPAM,煤矸石识别,主干网络,增强图像,重要信息,高利,特征融合,融合能力,损失函数,检测与定位,定位精度,大块煤,检测效果,识别准确率,模型识别,有效性验证,精确率,召回率,MB,平均精度均值,热力图,图可视化,可视化试验,面差,煤矸石检测,图像识别,轻量化网络
AB值：
0.277641
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
