改进CenterNet算法的煤矿皮带运输异物识别研究北大核心CSCD

为了实现运煤皮带运行时对进入其中的异物快速准确识别,防止皮带撕裂现象的发生,提出了一种改进的CenterNet运煤皮带异物检测算法。首先,对煤矿井下图像进行预处理,使其适应CenterNet算法,提高网络对目标图像检测的有效性;然后,对网络进行改进,将残差模块中的标准卷积替换成深度可分离卷积,有效降低网络计算量,减少冗余;接着,采用组规范化作为优化规范化方式,降低了对硬件设施的要求;最后,使用加权特征图融合方法,充分利用各层提取的特征,提高网络的检测准确率。实验结果表明,针对异物目标尺寸差异较大且分布不均匀的情况,改进后的CenterNet算法降低了目标的误检率和漏检率,可有效提升检测速度和异物识别精度。