基于改進YOLOv8 的煤礦輸送帶異物檢測

打開文本圖片集

摘要：現(xiàn)有基于深度學(xué)習(xí)的輸送帶異物檢測模型較大，難以在邊緣設(shè)備部署，且對不同尺寸異物和小目標(biāo)異物存在錯檢、漏檢情況。針對上述問題，提出一種基于改進YOLOv8 的煤礦輸送帶異物檢測方法。采用深度可分離卷積、壓縮和激勵（SE） 網(wǎng)絡(luò)將YOLOv8 主干網(wǎng)絡(luò)中C2f 模塊的Bottleneck 重新構(gòu)建為DSBlock，在保持模型輕量化的同時提升檢測性能；為增強對不同尺寸目標(biāo)物體信息的獲取能力，引入高效通道注意力（ECA） 機制，并對ECA 的輸入層進行自適應(yīng)平均池化和自適應(yīng)最大池化操作，得到跨通道交互MECA 模塊，以增強模塊的全局視覺信息，進一步提升異物識別精度；將YOLOv8 的3 個檢測頭修改為4 個輕量化小目標(biāo)檢測頭，以增強對小目標(biāo)的敏感性，有效降低小目標(biāo)異物的漏檢率和錯檢率。（剩余2072字）