基于EG-YOLOv5s的矿井人员装备检测算法研究

为了解决矿井人员装备检测算法中存在的精度低、检测速度慢等问题,提出了一种基于YOLOv5s模型的EG-YOLOv5s模型。在骨干网络中引入ECA注意力机制,以突出目标的重要特征。使用GIOU作为损失函数,提高了目标定位的准确性。试验结果表明,改进模型优于YOLOv5s模型,准确率提升5.6%,均值平均精度提升3.6%,检测实时性达到了106.3 frame/s.

基于GSP-YOLO煤矸石检测算法研究

针对目前基于深度学习的煤矸石检测算法在图像检测速度与检测精度上不够理想的问题,提出了一种基于GSP-YOLOv5s的煤矸石检测算法。将主干网络中的卷积模块替换为Ghost卷积模块,降低了参数量;引入SE注意力模块,增强识别能力;删除20×20检测头,更加轻量化。实验结果表明:GSP-YOLOv5s算法检测的平均精度为94.6%,较YOLOv5s精度提升了0.8%;检测速度为110.3 fps,速度提升7.6%.

基于改进ED-YOLOv5s的矿井安全帽佩戴检测算法

煤矿井下工作中安全帽佩戴是事关工人生命安全的一大关键要素。基于视频图像进行分析的技术虽可以较好地检测工人安全帽佩戴情况从而将事故带来的损害最小化,但是在矿井下的图像收集过程中往往存在各种各样的现实因素,例如环境复杂、存在多个目标等,给技术人员造成很大的干扰。针对以上问题,文章通过引进EMA注意力机制与DIoU损失函数,提出了一种改进的ED-YOLOv5s模型。在自制数据集上对该模型进行了消融实验,结果表明该模型相比原模型在图像检测速度和精度方面都有较大的提升。随后,文章将该算法与YOLOv7-tiny、YOLOv8进行对比实验,结果显示文章算法在矿井下安全帽检测的mAP@50%达到了97.3%。

基于PLC的液压支架电液控制系统设计

传统综采工作面液压支架控制系统自动化水平有限,设计了一种基于PLC控制器的液压支架电液控制系统。设计液压支架电液控制系统的整体架构、支架控制器的硬件方案和软件方案,对各种传感器组件选型,实现液压支架的动作控制,如升柱、降柱、推溜和移架等。

基于YOLOv5s改进的井下人员和安全帽检测算法研究

针对目前煤矿井下综采工作面煤尘干扰导致的人员和安全帽检测算法精确度低、漏检率高等问题,文章提出一种基于YOLOv5s改进的矿井人员和安全帽检测算法。首先引入CBAM注意力机制,更准确的提取图像关键特征;然后采用αCIOU损失函数替换原始的CIOU损失函数,二者结合提升整体目标检测的准确率。实验结果表明:改进后的检测算法精度优于YOLOv5s原始算法,检测准确率高达97.6%,在井下综采工作面复杂环境下可以实现高效准确的井下人员和安全帽检测。

基于CSR-YOLOv5s的煤矸目标检测算法

针对基于深度学习的煤矸目标检测方法速度慢、参数量多、计算量大等问题,文章提出了一种基于CSR-YOLOv5s的煤矸目标检测算法。首先使用轻量化网络ShuffleNetv2作为主干网络,提升目标检测速度;其次将Neck区域的20×20特征图分支删除,降低了模型复杂度;最后SIOU损失函数替换CIOU损失函数,引入CBAM注意力机制使模型更加关注重要特征提高检测性能。实验结果表明:改进后的煤矸检测算法模型大小压缩了92.3%,参数量减少了94.3%,计算量降低了90.5%,帧数提高了34.2帧,可为煤矸的智能分选提供借鉴。