基于轻量化与多信息融合的输送带块煤实时监测方法

作者：吴利刚^*; 陈乐; 张梁; 史建华

来源：控制工程, 2023, 1-8.

DOI：10.14107/j.cnki.kzgc.20230434

• 深度学习
• 神经网络
• 轻量化
• 多信息融合
• 实时监测

煤炭在国家工业体系和社会发展中有着举足轻重的作用，针对煤炭运输过程中的块煤监测问题，提出来一种基于轻量化神经网络和多信息融合的实时监测方法LM YOLOv5。首先利用自适应直方图均衡化进行图像数据预处理，其次引入Ghost轻量化卷积，减少卷积过程中的计算量和特征提取的冗余性。最后结合Coordinate attention (CA)机制改善特征提取的倾向性，引入Bi FPN多信息融合机制实现跨阶段的信息融合。实验结果表明：改进以后的LM YOLOv5算法有明显优势。网络层数减少约33.55%，参数量和浮点计算量分别减少约62.28%和67.66%。模型训练时长和GPU使用率分别减少约21.78%和59.97%。模型体积也从92.7M压缩至35.1M。此外，精确度和召回率分别提升约0.103%和1.395%，监测的实时性能提升约38.05%，调和均值也提高约0.01。

• 单位
  山西大同大学; 机电工程学院