改进空间通道注意力与残差融合的煤矸石识别

煤炭开采过程中原煤夹杂的矸石对煤质有较大的影响,基于图像识别技术的智能化矸石识别对推动煤炭无人化开采具有重要意义.经典的卷积神经网络识别煤和矸石的方法,在网络模型训练过程关注了全局特征,而对局部显著区域特征的关注有待于进一步加强.为此,针对井下大巷皮带主煤流运输过程中的矸石识别问题,提出一种改进空间通道注意力与残差融合算法,该算法将改进的空间注意力机制和改进的通道注意力机制引入残差网络,实现煤矸石识别.在空间注意力维度上,通过全局最大池化和全局标准差池化实现煤与矸石特征提取.在通道注意力维度上,通过全局平均池化和全局最大池化两路实现煤与矸石特征提取.模型以煤和矸石的实时监测图像为输入,以被识别对象的类别为输出,实现煤和矸石的识别.实验表明:所提出的融合模型对矸石的识别准确率为96.2％,相比于残差网络、空间注意力残差网络、通道注意力残差网络、注意力卷积网络,矸石识别精度分别提高了4.1％,3.4％,2.6％和1.5％.