(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211069347.2 (22)申请日 2022.09.02 (71)申请人 东华理工大 学 地址 344000 江西省抚州市学府路5 6号 (72)发明人 辛秋生　刘军　黄艳辉　杨露莹　 (74)专利代理 机构 南昌新天下专利商标代理有 限公司 3 6115 专利代理师 薛端石 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/762(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/08(2006.01) (54)发明名称 一种物料输送巷道 异物视觉检测方法 (57)摘要 本发明涉及物料输送巷道的安全监控 领域， 具体涉及一种物料输送巷道异物视觉检测方法， 该方法利用加权K ‑means对锚框进行聚类， 解决 初始锚框对 巷道异物不适应问题， 采用融合SE注 意力机制的GhostNet作为YOLOv4模型特征提取 网络， 一方面解决CSPDarknet 53参数过多而导致 实时性差的问题； 另 一方面， 增强小物体特征提 取能力。 进一步， 再采用Adam优化算法和学习率 等间隔调整策略提高检测精度， 并加快模型训练 的前期收敛速度。 最终， 通过卷烟厂物料输送巷 道状态数据集训练与现场应用， 结果表明， 本发 明方法达到较好的检测效果： 对异物的平均检测 精度达到98.48%， 误检率为0.62%， 检测速度为 58FPS。 权利要求书3页 说明书11页 附图2页 CN 115410157 A 2022.11.29 CN 115410157 A 1.一种物料输送巷道 异物视觉检测方法， 其特 征在于， 包括如下步骤： S1、 为丰富特征图的特征信息， 将SE注意力 模块与GhostNet融合进行特征提取， 确保异 物特征提取鲁棒 性的同时增 加异物特征的权重； S2、 利用SE注意力模块改进GhostNet网络中19 ×19、 38×38和76×76三种大小不同的 特征图与特 征提取网络上采样输出的特 征图进行融合 拼接， 得到最终检测模型的特 征层； S3、 采用改进的Adam自适应梯度下降算法对YOLOv4模型进行优化； S4、 在Adam算法的基础上引入学习率等间隔调整策略， 加快模型参数的更新速度， 在提 高Adam算法的前期收敛速度同时提升模型的检测精度； S5、 采用WK ‑means聚类算法对锚框进行加权聚类处理， 每个特征维度赋予初始权重值， 等到目标函数收敛， 非目标检测区域所对应的权重趋于0， 降低非目标区域对巷道异物目标 的影响， 提高异 物的检测精度。 2.根据权利要求1所述的一种物料输送巷道异物视觉检测方法， 其特征在于， 所述S1 中， 首先将物料输送巷道图像经过GhostNet获取特征层X， 设置图像通道数、 图像高度和图 像宽度分别为c、 h和w； 进行传统卷积获得特征层Y， 设置图像通道数、 图像高度和图像宽度分别为c1、 h和w， 再 将特征层Y通过SE注意力模块进行Sque eze和Excitati on两项操作： 对特征层Y进行全局平均池化， 把h ×w的特征层转化为1×1的特征层； 将1×1的特征层经过两个全连接层， 获得不同通道的比重， 最后利用sigmoid对比重信 息进行归一化处理获得通道权重， 将通道权重分别与 Y对应的c1个通道特征图数据相乘， 得 到新的c1×h×w的特征层。 3.根据权利要求1所述的一种物料输送巷道异物视觉检测方法， 其特征在于， 所述S3 中， Adam优化算法通过计算模 型自身的下降梯度， 自适应调整模型参数， 其算法如下： 首先， 计算一阶和二阶矩估计 和 的衰减平均值： 一阶矩估计： 二阶矩估计： 其中， β1， β2分别为一阶和二阶矩估计的指数衰减率， dy为梯度； 然后根据计算的衰减平均值进行偏差修正， 通过计算偏差， 修正一阶、 二阶矩估计， 修 正偏差分别为： 参数更新：权　利　要　求　书 1/3 页 2 CN 115410157 A 2其中， yi、 yi+1为模型参数向量， φ代表 学习率， x0为一个接近于0的初始值， 同时， 为了防 止分母为0， 取x0＝1×10‑5。 4.根据权利要求1所述的一种物料输送巷道异物视觉检测方法， 其特征在于， 所述S4 中， 等间隔调整策略随着迭代次数的增加， 让学习率以等间隔方式进 行衰减调整， 再根据调 整后的学习率获得全局 最优解， 可有效地减少迭代过程中收敛曲线的振荡， 提高模型收敛 速度和稳定性， 同时， 为了避免出现学习 率衰减至0， 将最小学习率设置为0.00001， 即当训 练过程中学习率小于 0.00001时， 学习率 不再衰减。 5.根据权利要求1所述的一种物料输送巷道异物视觉检测方法， 其特征在于， 所述S5 中， WK‑means聚类算法的目标函数为： 并且所有的权 重应服从： 其中A表示簇分配矩阵： C表示簇中心 矩阵： W为权重矩阵： 其中 表示所有样本点在第j个维度上的距离和。 6.根据权利要求1所述的一种物料输送巷道异物视觉检测方法， 其特征在于， 使用检测 速度、 平均检测精度、 精确率、 召回率和误检率作为评估指标， 计算式分别为：权　利　要　求　书 2/3 页 3 CN 115410157 A 3