基于GSL?YOLO 模型的綜放工作面混矸率檢測(cè)方法

打開(kāi)文本圖片集

摘要：針對(duì)現(xiàn)有基于深度學(xué)習(xí)的綜放工作面混矸率檢測(cè)方法在井下低照度、高粉塵、煤矸堆疊等復(fù)雜條件下存在煤矸識(shí)別精度低、分割效果差、模型參數(shù)量和運(yùn)算量大、未實(shí)現(xiàn)混矸率的實(shí)時(shí)檢測(cè)等問(wèn)題，提出了一種基于GSL?YOLO 模型的混矸率檢測(cè)方法。GSL?YOLO 模型在YOLOv8?seg 的基礎(chǔ)上進(jìn)行以下改進(jìn)：在主干網(wǎng)絡(luò)中引入全局注意力機(jī)制（GAM），通過(guò)減少信息彌散和放大全局交互表示提高模型特征提取能力；選用具有高效局部聚合網(wǎng)絡(luò)的空間金字塔池化（SPPELAN）模塊，提升模型處理不同尺寸目標(biāo)時(shí)的檢測(cè)性能；采用輕量級(jí)非對(duì)稱多級(jí)壓縮檢測(cè)頭（LADH），降低模型的訓(xùn)練難度，同時(shí)提高推理速度。（剩余1673字）