融合残差信息轻量级网络的运煤皮带异物分类

矿井中开采出来的煤炭要经过运煤皮带的长距离运输才能到达地面。大量有关矿井中煤炭安全高效运输的研究显示，皮带在煤炭输送过程中存在大块矸石、锚杆等异物划伤、撕裂皮带和堵塞落煤口等安全隐患，预警、分选及联动控制不及时会严重影响煤炭的运输效率。为克服当前对皮带异物分类识别时存在的网络参数量大、实时性差、识别精度低等问题，提出了一种融合残差信息的轻量级网络。该网络采用残差块作为基本特征提取单元，在残差块中去除卷积块之间的激活函数。采用交叉学习机制和特征拼接的方法来融合不同尺度的特征信息，增强了特征的表现力。精简信息融合网络的结构并增加信息融合网络的数量，提高了模型的扩展性。在模型进行前向传播时，对损失函数进行阈值处理，改善了测试集损失函数升高的问题，提高了模型的泛化性。提出的轻量级分类网络模型在Cifar10数据集、Cifar100数据集和矿用数据集的分类准确率分别为94.1%,73.9%和85.1%。在矿用数据集上与ShufflenetV2,MobileNetV2,ResNet50,ResNeXt50,W-ResNet50,ResNet110等算法相比，本文提出的模型的识别准确率分别提升了4....