基于残差网络的运煤皮带异物分类方法

在煤炭运输的过程中往往会有异物划伤或撕裂运输皮带,造成出煤口堵塞等安全事故。因此需要及时识别出运煤皮带上的异物并对其分类,以此进行预警、分选并控制来降低事故发生几率。针对多数分类网络存在计算参数量大、分类准确率不高等问题,提出一种基于残差网络构建的运煤皮带异物分类网络。该网络采用多个小卷积层代替第一层的7×7卷积以增强对局部特征的捕捉能力,并加入批标准化层和ReLU激活函数,使网络更快收敛的同时增强网络的非线性能力;在残差块中使用深度可分离卷积代替普通卷积,大幅降低网络的参数量和计算量,加快模型推理速度;在残差块中引入CBAM注意力机制,增强网络对通道特征和空间特征的学习能力,减弱无用背景信息对模型的影响,将注意力集中到运煤皮带区域;将深层特征与部分浅层特征融合,提升对锚杆类小目标异物的识别率。该网络在自建的矿井数据集上的精确率达到了91.4%,比改进前的网络提高了4.7%,召回率达到了91.2%,比改进前的网络提高了5.8%,计算量降低了20%,参数量降低了31%。结果表明,构建的网络准确率更高,更加轻量化,训练速度更快,实时性更强。