基于残差网络的运煤皮带异物分类方法

来源：电子测量技术杂志2024年第17期北京时间：

作者：刘飞，刘明辉，张乐群，王飞骅

单位：1.西安科技大学电气与控制工程学院 西安 710054; 2.西安市电气设备状态监测与供电安全重点实验室 西安 710054; 3.陕西省矿山机电装备智能监测重点实验室 西安 710054

摘要：在煤炭运输的过程中往往会有异物划伤或撕裂运输皮带，造成出煤口堵塞等安全事故。因此需要及时识别出运煤皮带上的异物并对其分类，以此进行预警、分选并控制来降低事故发生几率。针对多数分类网络存在计算参数量大、分类准确率不高等问题，提出一种基于残差网络构建的运煤皮带异物分类网络。该网络采用多个小卷积层代替第一层的7×7卷积以增强对局部特征的捕捉能力，并加入批标准化层和ReLU激活函数，使网络更快收敛的同时增强网络的非线性能力；在残差块中使用深度可分离卷积代替普通卷积，大幅降低网络的参数量和计算量，加快模型推理速度；在残差块中引入CBAM注意力机制，增强网络对通道特征和空间特征的学习能力，减弱无用背景信息对模型的影响，将注意力集中到运煤皮带区域；将深层特征与部分浅层特征融合，提升对锚杆类小目标异物的识别率。该网络在自建的矿井数据集上的精确率达到了91.4%，比改进前的网络提高了4.7%，召回率达到了91.2%，比改进前的网络提高了5.8%，计算量降低了20%，参数量降低了31%。结果表明，构建的网络准确率更高，更加轻量化，训练速度更快，实时性更强。

关键词：残差网络;深度可分离卷积;CBAM;特征融合;异物分类

基金资助：陕西省教育厅科学研究计划项目（20JK0758）资助