针对地下矿爆破装药中炮孔图像快速精准识别的难题,通过引入无参注意力模块(Simple Attention Module,SimAm)和更换损失函数(Enhanced Intersection Over Union Loss,EIoU)的方式改进YOLOv7目标检测模型,优化了炮孔识别特征网络;同时采...针对地下矿爆破装药中炮孔图像快速精准识别的难题,通过引入无参注意力模块(Simple Attention Module,SimAm)和更换损失函数(Enhanced Intersection Over Union Loss,EIoU)的方式改进YOLOv7目标检测模型,优化了炮孔识别特征网络;同时采用数据增强方式解决了炮孔样本小且分布不均匀的难题,提升了模型的泛化性能。结果表明,改进模型的检测精度、检测速度比YOLOv7基线模型分别提升了2.96个百分点和13.524帧/s,提升了炮孔识别效率,有利于促进矿产资源爆破开采向少人化、无人化方向发展。展开更多
文摘针对地下矿爆破装药中炮孔图像快速精准识别的难题,通过引入无参注意力模块(Simple Attention Module,SimAm)和更换损失函数(Enhanced Intersection Over Union Loss,EIoU)的方式改进YOLOv7目标检测模型,优化了炮孔识别特征网络;同时采用数据增强方式解决了炮孔样本小且分布不均匀的难题,提升了模型的泛化性能。结果表明,改进模型的检测精度、检测速度比YOLOv7基线模型分别提升了2.96个百分点和13.524帧/s,提升了炮孔识别效率,有利于促进矿产资源爆破开采向少人化、无人化方向发展。