基于改进YOLO v5的矿山石块实例分割算法

作者：曹士杰; 张竹林^*

来源：兰州工业高等专科学校学报, 2023, 30(06): 19-25.

• 实例分割
• YOLO v5改进
• Ghost模块
• 注意力机制
• 特征融合

随着工业工程的发展，矿山挖掘作业的安全性要求越来越高，挖掘机械的智能化已经成为未来发展的趋势。破碎目标物的高效识别，是实现破碎锤挖掘机无人驾驶的关键技术之一。本文提出了一种基于改进YOLO v5的实例分割网络模型Rock-YOLO v5,分别从通道注意力机制与空间注意力机制两方面对原始YOLO v5算法进行改进。通过对采集到的图像进行预处理，产生训练样本，构建出石块图像数据集。相较于其他方法，本文方法可以准确地分割出石块区域，在测试图像集上显示出更好的分割精度，对于复杂环境下的目标堆积和遮挡问题具有一定的鲁棒性。通过试验验证，Rock-YOLO v5的目标精度达到90.3%,相较于YOLO v5l-seg,优化后的模型在分割精度上提高了5.3%,能够高效的完成矿山石块的分割任务。

• 单位
  山东交通学院