融合超分辨率重建的YOLOv7煤矸石识别模型

来源：计算机工程与应用杂志2025年第15期北京时间：

作者：李娜, 秦昆德, 李想, 张澳迪

单位：西安科技大学 计算机科学与技术学院，西安 710054

摘要：在洗煤场景下拍摄的影像中煤矸石目标光照低且分布不均匀，同时在洗煤过程中目标存在遮挡、过曝或逆光现象，使得边界和纹理较模糊，提取特征过程中纹理特征容易丢失，造成误检。因此，对不均匀低光照的煤矸石目标检测方法进行研究，提出一种融合超分辨率重建的煤矸石识别模型。对于图像中的小目标煤矸石，利用超分辨率重建技术将分辨率提高后再进一步利用YOLOv7模型检测目标以提升整体检测效果。在超分辨重建模块中加入煤矸石锐化功能模块，提升煤矸石目标边缘清晰度，以保证在特征提取时通过浅层特征层能更好地提取煤矸石目标轮廓、形状等信息。在构建的煤矸石数据集上进行煤矸石目标检测，实验结果表明，改进后算法在煤、矸石检测任务中平均精度分别达到99.52%与98.84%。且模型在非均匀光照、粉尘干扰场景保持识别稳定性，煤、矸石漏检率分别降低18和17个百分点。改善了小目标与纹理模糊目标识别困难问题，为煤矸石识别提供技术参考。

关键词：煤矸石检测,超分辨率重建,小目标检测,图像识别