基于Bottleneck和四检测头的煤矿运输带异物检测方法

本发明公开了一种基于Bottleneck和四检测头的煤矿运输带异物检测方法，以YOLOv8模型为基础进行改进，用于智慧矿山为主题的煤矿运输带异物检测，主要包括以下步骤：获取特定场景下的煤矿运输带视频数据集并随机帧率获取相关图片数据集；对数据集使用数据之前模型各种可能的场景，得到扩充数据集并进行标注；利用深度可分离卷积和SE注意力机制模型对C2f的Bottleneck模块进行改进，降低模型的同时提升模型的识别能力；融入改进的MECA注意力机制到主干网络的特定层数上，提升模型的感知能力和前景信息获取能力；对检测头进行轻量化升级为4个小目标轻量化检测头，提升网络对小目标的识别，弥补模型参数的增加造成的开销；将数据增强后的数据集输入到改进后的模型当中并进行训练，得到模型权重；用训练产生的模型对实验测试数据集进行测试，输出类别和位置信息。本发明能够应付实际昏暗环境下的煤矿运输带的异物识别检测，并且可以避免因环境造成的错检、漏检的发生，同时满足高精度和实时性要求。