| 基于深度学习轻量化的改进SSD煤矸快速分选模型 |
| |
| 引用本文： | 李娟莉,魏代良,李博,文小.基于深度学习轻量化的改进SSD煤矸快速分选模型[J].东北大学学报(自然科学版),2023(10):1474-1480. |
| |
| 作者姓名： | 李娟莉 魏代良 李博 文小 |
| |
| 作者单位： | 1. 太原理工大学机械与运载工程学院;2. 太原理工大学煤矿综采装备山西省重点实验室 |
| |
| 基金项目： | 国家自然科学基金资助项目(51875386,51804207)； |
| |
| 摘 要： | 针对SSD目标检测模型参数量大、运行速率低的问题，在SSD模型的基础上提出一种新的煤矸快速识别模型DSR-SSD.应用深度可分离卷积代替主干特征提取网络中的普通卷积，减少了模型的计算量；将RFB模块融入到SSD模型中，提高了模型的特征提取能力.经验证，DSR-SSD模型的识别速率为113.99帧/s、精确率为95.17%.将DSR-SSD与SSD,Faster-RCNN,YOLOv3三种模型对比，发现DSR-SSD模型与SSD模型相比，精确率提高了2.29%,识别速率提高了60.89%;同时，DSR-SSD模型的精确率比Faster-RCNN模型高2.86%,比YOLOv3模型高2.71%,识别速率分别是Faster-RCNN模型和YOLOv3模型的14.90倍和3.65倍，证明了DSR-SSD模型性能优越.
|
| 关 键 词： | 煤矸分选 深度学习 目标检测 SSD模型 轻量化 |
|
|
