基于GSL−YOLO 模型的综放工作面混矸率检测方法

打开文本图片集

摘要：针对现有基于深度学习的综放工作面混矸率检测方法在井下低照度、高粉尘、煤矸堆叠等复杂条件下存在煤矸识别精度低、分割效果差、模型参数量和运算量大、未实现混矸率的实时检测等问题，提出了一种基于GSL−YOLO 模型的混矸率检测方法。GSL−YOLO 模型在YOLOv8−seg 的基础上进行以下改进：在主干网络中引入全局注意力机制（GAM），通过减少信息弥散和放大全局交互表示提高模型特征提取能力；选用具有高效局部聚合网络的空间金字塔池化（SPPELAN）模块，提升模型处理不同尺寸目标时的检测性能；采用轻量级非对称多级压缩检测头（LADH），降低模型的训练难度，同时提高推理速度。（剩余1673字）