基于YOLOv5m改进模型的煤矸识别方法_中国煤炭行业知识服务平台

基于YOLOv5m改进模型的煤矸识别方法

作者

常枫懿赵国贞
单位

太原理工大学矿业工程学院太原理工大学原位改性采矿教育部重点实验室
摘要

井下煤矸识别分选是煤矿智能化开采的重要环节。井下煤矸识别存在样本间相似度高、处于叠加状态难以识别及现有的图像识别方法鲁棒性差、精度低等问题。提出一种基于YOLOv5m改进模型的煤矸识别方法，通过增加SE模块调整网络架构、改进边界损失函数、采用DIOU-NMS对YOLOv5m模型进行改进，并进行了模型的测试。测试结果表明：YOLOv5m改进模型识别精度达96.4%，描框准确度得到了提高，且能够有效识别叠加状态的煤与矸石，避免漏检现象，提高了模型的实用性。
关键词

煤矸识别YOLOv5m损失函数NMS注意力机制
基金项目(Foundation)

国家自然科学基金资助项目(51904199)；
文章目录

0 引言
1 YOLOv5m模型
2 YOLOv5m模型改进
2.1 网络结构
2.2 损失函数
2.3 非极大值抑制方法
3 基于YOLOv5m改进模型的煤矸识别
3.1 煤矸识别方法
3.2 识别结果与模型评价
4 结语
引用格式

常枫懿,赵国贞.基于YOLOv5m改进模型的煤矸识别方法[J].煤炭技术,2023,42(07):10-14.DOI:10.13301/j.cnki.ct.2023.07.003.