【能源人都在看，点击右上角加'关注'】

一

研究背景

煤矿井下图像质量较差，煤块间边缘特征不明显，导致煤块检测精度低，且现有识别模型参数规模大，导致运行速度慢。本文提出一种融合轻量级网络和双重注意力机制的改进YOLOv4模型，并将其应用于带式输送机煤块检测。

二

研究内容

改进YOLOv4模型融合了轻量级网络和双重注意力机制，其总体架构如下图所示。利用K-means聚类算法重新聚类先验框，根据给定的数据集样本，通过距离计算将相似样本的锚框归为一类，得到适应数据集的锚框，从而提高模型学习能力。YOLOv4模型的主干网络具有大量参数，使得模型检测精度和速度不理想。为了满足煤块检测的速度要求，引入MobileNet轻量级网络模型，替换YOLOv4模型的主干网络CSPDarknet53，可在不损失精度的前提下，有效减少模型参数量，提高模型检测速度。引入具有双重注意力机制的CBAM(Convolutional Block Attention Module，卷积块注意模块)，通过关注通道和空间双重信息，扩大网络感知范围，使网络对待检测目标更敏感，以减少因图像质量较差导致的漏检和因煤块间边缘特征不明显导致的误检。

三

总结

相较于YOLOv4模型，改进YOLOv4模型权重文件减小了36.46%，精确率提高了2.16%，召回率提高了20.4%，平均精度均值提高了14.37%，漏检率降低了16%，检测速度提升了19帧/s，处理单张图像耗时减少了1.31 s，表明改进YOLOv4模型可提高煤块检测精度和检测速度。

引用格式

叶鸥，窦晓熠，付燕，等.融合轻量级网络和双重注意力机制的煤块检测方法[J].工矿自动化,2021,47(12):75-80.

YE Ou,DOU Xiaoyi,FU Yan,et al.Coal block detection method integrating lightweight network and dual attention mechanism[J].Industry and Mine Automation,2021,47(12)：75-80.

作者联系方式

叶鸥(1984—)，男，陕西西安人，讲师，博士，主要研究方向为数据质量评价、视频检索、跨媒体语义解析和知识工程等，E-mail: 。通信作者：窦晓熠(1996—)，女，陕西咸阳人,硕士研究生,研究方向为计算机视觉，E-mail:。

免责声明：以上内容转载自工矿自动化，所发内容不代表本平台立场。

全国能源信息平台联系电话：，邮箱，地址：北京市朝阳区金台西路2号人民日报社