井下运煤带式输送机是煤炭生产运输的关键环节。由于运煤皮带上出现的锚杆、槽钢、铁棍等异物,皮带在运行过程中容易出现纵向撕裂甚至断带等事故。针对煤矿井下的皮带异物检测问题,提出了一种基于迁移学习和在线难例挖掘的井下皮带异物...井下运煤带式输送机是煤炭生产运输的关键环节。由于运煤皮带上出现的锚杆、槽钢、铁棍等异物,皮带在运行过程中容易出现纵向撕裂甚至断带等事故。针对煤矿井下的皮带异物检测问题,提出了一种基于迁移学习和在线难例挖掘的井下皮带异物检测模型。首先,利用迁移学习策略,提高模型泛化能力,解决数据集较小的问题;其次,在特征融合层的改进型空间金字塔池化模块(Spatial Pyramid Pooling Fast,SPPF)添加坐标注意力(Coordinate Attention,CA)机制,提升模型特征的表达能力;之后,使用损失函数WIoU(Wise Intersection over Union)代替损失函数CIoU(Complete Intersection over Union),加快模型训练速度;最后,利用在线难例挖掘(Online Hard Example Mining,OHEM)策略,帮助模型更好地学习难分类的样本。试验结果表明,井下皮带异物检测模型在自建异物检测数据集上mAP@0.5和mAP@0.5-0.95分别取得了92.5%和79.4%的检测效果,与原YOLOv8相比分别增加了2.6百分点和1.8百分点,并且本模型在实际矿山的检测中取得了90.4%的检测效果,表明模型在实际矿井环境中具有较强的适用性,可为井下皮带异物的检测提供技术支持。展开更多
文摘井下运煤带式输送机是煤炭生产运输的关键环节。由于运煤皮带上出现的锚杆、槽钢、铁棍等异物,皮带在运行过程中容易出现纵向撕裂甚至断带等事故。针对煤矿井下的皮带异物检测问题,提出了一种基于迁移学习和在线难例挖掘的井下皮带异物检测模型。首先,利用迁移学习策略,提高模型泛化能力,解决数据集较小的问题;其次,在特征融合层的改进型空间金字塔池化模块(Spatial Pyramid Pooling Fast,SPPF)添加坐标注意力(Coordinate Attention,CA)机制,提升模型特征的表达能力;之后,使用损失函数WIoU(Wise Intersection over Union)代替损失函数CIoU(Complete Intersection over Union),加快模型训练速度;最后,利用在线难例挖掘(Online Hard Example Mining,OHEM)策略,帮助模型更好地学习难分类的样本。试验结果表明,井下皮带异物检测模型在自建异物检测数据集上mAP@0.5和mAP@0.5-0.95分别取得了92.5%和79.4%的检测效果,与原YOLOv8相比分别增加了2.6百分点和1.8百分点,并且本模型在实际矿山的检测中取得了90.4%的检测效果,表明模型在实际矿井环境中具有较强的适用性,可为井下皮带异物的检测提供技术支持。
