基于递归门控卷积和上下文注意力的煤块检测算法

作者：高凯; 董立红; 邓凡

来源：矿业研究与开发, 2023, 43(06): 183-190.

DOI：10.13827/j.cnki.kyyk.2023.06.014

• 带式运输
• 煤块检测
• 目标检测
• 注意力机制
• YOLOv5

针对煤矿带式输送机上煤块检测因光照不均存在的漏检与误检问题，提出一种基于门控卷积和上下文注意力机制的改进YOLOv5煤块检测算法。首先，将主干网络中残差模块替换为递归门控卷积模块，通过逐步融合特征信息，提取高阶语义特征，增强模型的特征提取能力。其次，在特征融合结构中加入GCA注意力机制，将全局上下文信息融入坐标注意力模块中，加强感兴趣区域的全局表示，增强多尺度特征融合能力，提高模型对煤块边缘特征的敏感度。最后，采用SIoU损失函数，加速网络模型的收敛。试验结果表明，改进的算法在自建煤块数据集上平均精度均值达到92.8%,召回率达到85.9%,检测速度达到38帧/s。既提高了检测精度，又满足了检测的实时性。

• 单位
  西安科技大学