煤炭工程 ›› 2023, Vol. ›› Issue (12): 0-0.
• 研究探讨 •
崔斌1,张坤1,王振2
摘要： 煤矸石分拣对提高出井精煤率以及矸石回填避免污染环境具有重要意义，目标检测识别的皮带输送机煤矸石分拣系统，相对比传统的分拣方式，具有识别速度快、精度高、可靠性好等特点。基于此，提出了一种基于改进YOLO v4的煤矸石识别网络，引入Focal损失函数以应对样本识别难易不均衡好的问题，使用K-means++聚类算法优化初始锚定框，将PANet中的五次卷积操作替换为CSP结构，同时引入空洞卷积的金字塔结构，降低模型参数，实现模型的轻量化，增加了一条跨连接边构成BiFPN结构，提高对中等目标的检测能力，得到My-YOLO v4目标检测模型。本次实验通过采集现场煤和矸石混合样本，使用相关实验设备对所提出的My-YOLO v4识别检测方法与SSD、YOLO v3、YOLO v4三种检测方法进行实验对比分析。实验结果表明， My-YOLO v4检测算法在测试集上检测煤与煤矸石混合的mAP值为98.14%，FPS为28.3帧/秒，相较于SSD、YOLO v3检测算法识别精度分别提高了5.41%、2.87%，相较于YOLO v4目标检测模型识别速度提高了7.7帧/秒，通过对比分析实验数据验证了My-YOLO v4目标检测模型整体性能的有效提高。所提出的煤矸石识别检测技术将先进的目标检测算法技术运用到煤矿井下主运输系统煤矸石分拣中，能够大大提高精煤率，减少矸石上井对生态环境的污染，能够促进绿色矿山和智能化煤矿的发展。
