典型文献
基于机器视觉的煤矸检测算法研究
文献摘要：
为实现对煤矸石的高效分拣,解决矸石检测精度低及速度慢等问题,提出了基于改进YOLOv5的煤矸石检测模型,通过优化模型的边界框损失函数,提升模型收敛速度;引入注意力机制,增加特征图中重要特征的关注度;制作煤混矸数据集,利用聚类算法对煤混矸数据集进行分析,提升检测精度.通过与原网络模型进行对比实验表明,改进后的检测模型提升了1.7％的检测精度,减少了319518参数量,同时模型大小降低了0.6 MB.
文献关键词：
煤矸分拣;机器视觉算法;YOLOv5;注意力机制;检测精度
中图分类号：
作者姓名：
赵佳伟;雷伟强;王建飞
作者机构：
山西大同大学,山西 大同 037003;晋能控股煤业集团四老沟矿,山西 大同 037003
文献出处：
引用格式：
[1]赵佳伟;雷伟强;王建飞-.基于机器视觉的煤矸检测算法研究)[J].山西焦煤科技,2022(11):45-48
A类：
煤矸分拣
B类：
检测算法,算法研究,检测精度,速度慢,YOLOv5,煤矸石检测,检测模型,边界框,损失函数,收敛速度,注意力机制,加特,特征图,聚类算法,参数量,MB,机器视觉算法
AB值：
0.325981
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。
