仪器仪表学报

作者：刘光伟，张浩博，范忠胜，付恩三，雷健

单位：刘光伟,辽宁工程技术大学矿业学院阜新123000,,张浩博,辽宁工程技术大学矿业学院阜新123000,871407626@qq.com,范忠胜,山西忻州神达梁家碛煤业有限公司忻州034000,,付恩三,1.辽宁工程技术大学矿业学院阜新123000；3.应急管理部信息研究院北京100029,,雷健,辽宁工程技术大学矿业学院阜新123000,

关键词：煤矿输送带;机器视觉;图像处理;异物分割;深度学习

基金：国家自然科学基金资助项目（52374123）资助

为准确检测煤矿带式输送机在复杂工况下的异物,构建基于改进DeepLabv3+的煤矿输送带异物分割模型。针对煤矿高粉尘、光照不均、机械振动等干扰导致的异物检测难题,以及多尺度异物并存、边缘设备算力有限等实际需求,通过引入MobileNetv3轻量化主干网络,利用深度可分离卷积将计算量压缩至传统卷积的1/9,并嵌入SE注意力模块增强异物的边缘、纹理等高频特征,抑制粉尘噪声对应的低频通道;采用DASPP模块替代传统ASPP,通过串联不同膨胀率的空洞卷积层实现跨层特征密集交互,提升对多尺度异物的检测能力;集成ECANet通道注意力机制,通过免降维全局池化和动态一维卷积增强特征表达能力,进一步优化特征权重分配。实验结果表明,改进模型在CUMT?BelT数据集上实现了87.1%的平均交并比和86.7%的F1分数,参数数量仅为9.8M,浮点运算量为5.1G,推理速度达38.6fps,较原始DeepLabv3+模型精度提升4.6%、计算量降低63.1%。与PSPNet、U-Net等主流模型相比,改进模型在小尺度异物漏检率、噪声鲁棒性及边缘设备适配性等关键指标上更优。该模型为解决复杂工况下异物与背景特征易混淆的难题提供了新途径,不仅为煤矿智能运输系统打造了兼具高分割精度与轻量化特性的异物检测方案,还有助于加速煤炭行业智能化与自动化的发展进程。

来源：2025年第7期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第7期