复杂环境下煤矿井下胶带运输异物在线检测算法优化与分析

为解决煤矿井下胶带异物检测受煤尘干扰、光线不均、胶带高速运动造成传统检测算法精度低等问题,文章基于YOLOv7对矿井胶带异物检测算法进行优化。首先,通过自适应对比度增强算法,强化胶带监控图像对比度,提高目标图像轮廓清晰度;其次,在主干提取网络中提出多尺度混合残差注意力机制,增强YOLOv7对异物特征提取能力与对背景干扰能力;最后,采用加权双向特征金字塔网络与4检测头输出模型预测结果,提升网络对不同尺寸异物检测效率。通过实验可得,改进后的YOLOv7模型对井下胶带异物识别精度和速度优于YOLOv5、YOLOv7,对井下胶带异物识别精度和识别速度分别为93.6%、26 f/s。识别平均准确率相较于YOLOv5模型、YOLOv7模型分别提高了3.9%,3.1%;平均召回率分别提高了4.1%,3.4%;检测时间分别有0.009 s, 0.005 s的提升。