-
题名基于改进YOLOv8的输送带异物检测研究
被引量：1
- 1
-
-
作者
陈瑞
张鹏
施海馨
高豪强
杜京义
-
机构
安庆师范大学
西安科技大学
-
出处
《煤矿机械》
2024年第9期175-178,共4页
-
基金
陕西省重点研发计划项目(2019GY-097)
大学生创新创业训练计划项目(202310372019)。
-
文摘
针对基于深度学习的输送带异物检测模型参数量大、检测速度慢等问题,提出一种基于改进YOLOv8的输送带异物检测方法。利用Ghost模块设计主干网络CSPGhostNet,减少模型参数量和计算量;采用Alpha-IoU损失函数作为目标框回归损失函数,提高网络模型的收敛速度和检测精度;利用网络剪枝对检测模型剔除冗余参数。在嵌入式平台NVIDIA Jetson Xavier NX上进行实验,结果表明,相较于原YOLOv8l模型,改进模型mAP为90.5%,帧率提高375%,运算速度达到30帧/s,实现了有限计算资源下输送带异物的实时检测。
-
关键词
异物检测
输送带
YOLOv8
损失函数
网络剪枝
-
Keywords
foreign body detection
conveyor belt
YOLOv8
loss function
network pruning
-
分类号
TD528.1
[矿业工程—矿山机电]
-
