科研之友
微信
新浪微博
Facebook
分享链接
摘要
准确识别护帮板支护状态，判断护帮板是否与采煤机发生干涉，是实现煤矿安全生产的重要一环。提出了一种基于改进YOLOv5s的护帮板异常检测方法。建立了护帮板数据集hb＿data2021，对YOLOv5s模型进行改进。根据基于改进YOLOv5s的护帮板状态检测结果的标签分类，判断护帮板状态是否异常。为了减小YOLOv5s模型的参数量，采用MobileNetV3和轻量级注意力机制NAM (normalization-based attention module，标准化注意力模块)替换主干特征提取网络。为了提高护帮板检测精度，改进损失函数为α-CIoU，并进行知识蒸馏。实验结果表明：蒸馏后的网络平均精度提高了1.0%，参数量减小了33.4%，推理加速34.2%；基于改进YOLOv5s的护帮板异常检测方法效果良好，将其部署在NVIDIA Jetson Xavier平台上，可以满足实时检测视频的要求。将检测模型移植到巡检机器人的嵌入式平台上，可以实现护帮板异常检测，满足煤矿工业实际需求。
- 单位
