面向筛面复杂背景的矿山异物视觉检测方法

来源：计算机技术与发展杂志2024年第05期北京时间：

作者：刘善明;余新阳;欧阳魁

摘要：矿山异物检测是异物智能化去除的前提,更是保障设备安全运行,矿山正常生产的关键。 在矿山生产过程中,异物来源广泛,种类繁杂。 针对传统的矿山异物检测方法面临适应性差和效率低的问题,提出了一种面向大型振动筛筛面的矿山异物检测算法模型。 为解决强振动、矿石遮挡和粉尘水雾等复杂环境的干扰,该模型引入了改进的显式视觉中心模块(EVCBlock),轻量化上采样算子 CARAFE 和基于动态非单调聚焦机制的梯度增益损失函数 WiseIoU-v3,有效提升了在复杂环境下的异物检测性能。 利用 TensorRT 对模型优化并部署至边缘计算设备Jetson Xavier NX,实现了在边缘侧的异物检测。 研究结果表明:该模型在振动筛筛面异物检测上的表现明显好于其他对比模型。 经多线程视频推流测试,模型部署至边缘计算设备平均识别精确率可以达到 96. 3% ,平均帧率达到 25 FPS 以上,满足了实际检测要求。

关键词：矿山异物检测;振动筛;强干扰;Antijam-YOLO;边缘计算