基于高效的除尘网络和多维特征融合的喷气矿石尺寸检测

科学领域:

• 采矿工程 采矿工程 采矿工程
• 计算机视觉 计算机视觉
• 图像处理 图像处理

背景情况:

• 矿石颗粒大小分布对于喷射评估和粉碎能效至关重要.
• 在矿石大小检测方面的挑战包括密集的积累,不均的大小,尘埃和运动诱导的目标损失.
• 现有的计算机视觉方法需要改进,以进行可靠的矿石尺寸分析.

研究的目的:

• 开发一种先进的计算机视觉方法,以准确检测爆破矿石大小.
• 提高矿石检测模型对抗灰尘和潮湿等环境干扰的稳定性.
• 提高检测各种矿石大小,特别是细颗粒的精度和回忆率.

主要方法:

• 开发了一种高效的排气骨干网络,结合了特征关注和复合可扩展的骨干.
• 引入了一种新的特征融合网络,将卷积和Vmamba序列模型与多尺度特征融合集成.
• 动态头被用来优化目标检测头,以改善功能融合和矿石歧视.

主要成果:

• 拟议的方法是YOLOv8的增强,与YOLOv8n.n.相比,在八个矿石大小类别的平均精度增加了7%.
• 在尘埃,烟雾和湿条件下的数据集中,平均精度 (mAP50) 提高了7.6%.
• 精细矿石 (<72毫米) 的检测精度增加了18.8%,回忆率增加了13.8%.

结论:

• 开发的方法显著提高了爆炸矿石大小检测的准确性和稳定性.
• 整合除尘,多维特征融合和优化检测头解决了矿石分析的关键挑战.
• 这种方法为工业应用中精确的矿石颗粒大小统计提供了有希望的解决方案.