科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对煤矸石分选的问题，提出一种基于深度学习的目标检测算法替代人工选矸，为后续开发自动选矸机器人提供视觉依据。由于矸石样本数量有限，各个地区矸石特征不一，没有统一标准大数量样本集，为不影响深度卷积网络训练精度，提出一种基于卷积生成对抗网络(DCGAN)的煤矸石图像数据扩充方法，建立有效的监督样本集进行训练。通过模型训练实验发现，基础YOLOv4的深度学习网络存在针对小块煤矸石漏检与误检的缺陷，通过采用修改K-means初始锚框参数与增加一个检测通道，在主干网络中加入SE注意力机制，来改进算法克服小块煤矸石漏检的缺陷。通过实验测试得出，改进后的YOLOv4能够对小块煤矸石检测，同时也能够提高目标检测模型的整体检测精度，准确率可达94%以上，完全可以替代人工检测。
-
单位神马实业股份有限公司; 西安科技大学
