面向筛面复杂背景的矿山异物视觉检测方法

矿山异物检测是异物智能化去除的前提,更是保障设备安全运行,矿山正常生产的关键。在矿山生产过程中,异物来源广泛,种类繁杂。针对传统的矿山异物检测方法面临适应性差和效率低的问题,提出了一种面向大型振动筛筛面的矿山异物检测算法模型。为解决强振动、矿石遮挡和粉尘水雾等复杂环境的干扰,该模型引入了改进的显式视觉中心模块(EVCBlock),轻量化上采样算子CARAFE和基于动态非单调聚焦机制的梯度增益损失函数WiseIoU-v3,有效提升了在复杂环境下的异物检测性能。利用TensorRT对模型优化并部署至边缘计算设备Jetson Xavier NX,实现了在边缘侧的异物检测。研究结果表明:该模型在振动筛筛面异物检测上的表现明显好于其他对比模型。经多线程视频推流测试,模型部署至边缘计算设备平均识别精确率可以达到96.3%,平均帧率达到25 FPS以上,满足了实际检测要求。