-
作者
燕倩如雷伟强李熙尉孙志鹏
-
单位
山西大同大学煤炭工程学院
-
摘要
针对现有的基于图像处理的煤矸分选检测方法准确度低、速度慢、参数量和计算量大等问题，提出了一种基于DSC-YOLOv5s的煤矸目标检测算法。实验结果表明：DSC-YOLOv5s目标检测算法优于YOLOv5s算法，准确率提升1.3%,参数量降低15.6%,浮点计算量降低2.5%,可为煤矸智能分选场景中的煤矸目标检测提供借鉴。
-
关键词
煤矸智能分选YOLOv5s算法目标检测深度可分离卷积网络SE注意力机制C3TR模块准确率
-
基金项目(Foundation)
山西省研究生教育创新项目(2021Y739)；山西大同大学研究生教育创新项目(21CX02,21CX37)；山西大同大学2022年度校级揭榜招标项目(2021ZBZX3)；山西大同大学2021年度产学研专项研究项目(2021CXZ2)；
-
文章目录
1 YOLOv5s算法原理
2 改进的煤矸目标检测方法
2.1 DSC-YOLOv5s模型
2.2 深度可分离卷积网络
2.3 SE注意力机制
2.4 C3TR模块
3 实验及结果分析
3.1 数据采集与处理
3.2 模型训练
3.3 实验结果分析
3.4 消融实验
4 结 论
-
引用格式
燕倩如,雷伟强,李熙尉等.基于DSC-YOLOv5s的煤矸目标检测算法[J].山西焦煤科技,2023,47(04):13-16+24.
-
相关文章
山西焦煤科技 
2023年第04期 
