基于M3CFC-YOLOv7-tiny的矿工乘坐架空乘人装置违章行为识别研究

针对矿工乘坐架空乘人装置的违章行为自动识别任务存在煤矿井下轻量化设备部署、复杂环境下识别精度低、数据样本不平衡3个难题,提出了一种基于M3CFC-YOLOv7-tiny的轻量化矿工违章乘车行为智能识别算法。在向YOLOv7-tiny模型中引入MobileNetV3-Small网络用于边缘端部署;通过融合CBAM注意力机制提升对矿工行为特征的感知与表达能力;改进CIOU损失函数为Focal-CIOU平衡正负样本损失贡献;并在自建的矿工违章乘车行为数据集上进行消融实验和对比实验。结果表明:改进模型相比于原始模型参数量降低30.6%,浮点计算量降低46.9%,检测精度提升2.3%,实现模型轻量化和实时检测;对比9种目标检测模型,改进模型在多项指标上的综合性能最优且不存在漏检和错检。