摘要
现有煤矿胶带运输异物检测方法检测精度较低、检测速度较慢,YOLOv3算法有较快的检测速度和较高的检测精度,但其用于煤矿胶带运输异物检测时存在对小目标检测效果不佳、容易出现漏检和正负样本不均衡等情况。针对上述问题,设计了FastYOLOv3算法:通过改进先验框及边界框,以适应煤矿胶带运输小目标异物检测场景;增加反卷积网络,以提高小目标异物检测能力;引入Focal Loss改进损失函数中负样本置信度的交叉熵,解决正负样本数量不均衡问题,提高检测精度。设计了StiPic数据增强方法,对煤矿胶带运输图像进行预处理,以提高FastYOLOv3模型训练效率及对小目标异物的检测精度。实验及现场测试结果表明,FastYOLOv3算法对于胶带运输异物的平均检测精度达90.12%,平均检测时间为35 ms,对小目标异物的检出率达93.50%,满足胶带运输现场对异物检测精度和实时性的要求。
- 单位