(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 202210857925.2 (22)申请日 2022.07.20 (71)申请人 欧普瑞泰环境科技有限公司 地址 266200 山东省青岛市 即墨区通济街 道城马路146号 申请人 青岛华夏 橡胶工业有限公司 　 山东科技大 学 (72)发明人 陈明礼　陈林　张坤　郝露东　 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 10/762(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01)B07C 5/34(2006.01) (54)发明名称 一种基于改进YOLOv4的煤矸石检测方法和 装置 (57)摘要 本发明公开了一种基于改进YOLOv4的煤矸 石检测方法和装置， 涉及煤矸石识别相关技术领 域， 其通过引入Focal损失函数以应对样本识别 难易不均衡的问题， 使用K ‑means++聚类算法优 化初始锚定框， 将PANet中的五次卷积操作替换 为CSP结构， 同时引入空洞卷积的金字塔结构， 降 低模型参数， 实现模型的轻量化， 增加了一条跨 连接边构成BiFPN结构， 提高对中等目标的检测 能力， 得到一种基于改进YOL Ov4的煤矸石目标检 测模型， 目标检测模型在验证集上mAP达到了 98.14％， FPS为28.3Hz， 实现煤矸石的快速准确 识别， 具有较高的实时性和准确率。 权利要求书2页 说明书7页 附图3页 CN 115147392 A 2022.10.04 CN 115147392 A 1.一种基于改进YOLOv4的煤矸石检测方法， 其特 征在于， 所述煤矸石检测方法包括： 采用图像获取装置对不同环境下的煤和煤矸石样本进行图像拍摄采集， 得到煤与煤矸 石图像数据集； 对采集到的煤与煤矸石图像数据集进行图像标注与数据增强处理， 获得煤矸石数据 集； 在YOLOv4目标检测算法的基础上， 对YOLOv4目标检测算法的主干网络、 位置损失和锚 定框距离算法进行优化改进， 得到改进后的YOLOv4煤矸石目标检测网络模型； 对改进后的YOLOv4煤矸石目标检测网络模型进行性能评价和模型训练并获取最佳模 型， 主要包括精度指标的确立训练和速度指标的确立训练； 采用训练完成之后的YOLOv4煤矸石目标检测网络模型进行煤矸石检测识别。 2.根据权利要求1所述的基于改进YOLOv4的煤矸石检测方法， 其特征在于， 所述对 YOLOv4目标检测算法的主干网络、 位置损失和锚定 框距离算法进行优化改进， 具体包括： 将YOLOv4目标检测算法的置信度和分类 的二分交叉熵损失函数替换为Focal  Loss函 数； 其中， Focal  Loss函数公式为： FL(pt)＝ ‑α(1‑pt)γlog(pt)， α 为正负样本的权值； γ为 难易样本的权值。 3.根据权利要求1所述的基于改进YOLOv4的煤矸石检测方法， 其特征在于， 所述对 YOLOv4目标检测算法的主干网络、 位置损失和锚定 框距离算法进行优化改进， 具体包括： 采用K‑means++算法优化YOLOv4目标检测算法的初始聚类中心。 4.根据权利 要求3所述的基于改进YOLOv4的煤矸石检测方法， 其特征在于， 所述采用K ‑ means++算法优化YOLOv4目标检测算法的初始聚类中心包括： 步骤(1)： 在采集到的煤与煤矸石图像数据集的所有标注框中随机选择一个框的宽高 作为初始的聚类中心； 步骤(2)： 对于数据集中所有 的锚定框， 选择一样的中心点， 根据其宽高数据与已经获 得的聚类中心的宽高数据计算数据集中所有锚定框与聚类中心的IOU并计算两者的距离情 况， 去样本框与所有聚类中心中距离最近的距离值D(distance＝1 ‑IOU)， 选出下一个 聚类 中心， 其中， D越大被选为聚类中心的概 率越大； 步骤(3)： 重复步骤(2)， 直至 选出K个聚类中心； 步骤(4)： 计算每个数据中的点到选择的k个聚类中心的距离， 并根据距离远近划分到 所对应的类中； 步骤(5)： 对划分好的类重新计算出新的聚类中心， 与初始聚类中心进行比较； 步骤(6)： 若聚类中心发生变化， 重复步骤(4)和步骤(5)； 若没变化， 输出聚类结果。 5.根据权利要求1所述的基于改进YOLOv4的煤矸石检测方法， 其特征在于， 所述对 YOLOv4目标检测算法的主干网络、 位置损失和锚定 框距离算法进行优化改进， 具体包括： 将YOLOv4目标检测算法的PANet中的五次卷积操作替换为CSP结构， 并且， 在YOLOv4目 标检测算法中通过添加连接主干网络提取的中间特征层与中间Y OLO‑Head以及一条残差边 构成BiFPN结构。 6.根据权利 要求1所述的基于改进YOLOv4的煤矸石检测方法， 其特征在于， 对改进后的 YOLOv4煤矸石目标检测网络模型进行性能评价的评价指标包括模型检测结果平均准确率 和每秒传输帧数。权　利　要　求　书 1/2 页 2 CN 115147392 A 27.一种基于改进YOLOv4的煤矸石检测装置， 其特 征在于， 所述煤矸石检测装置包括： 图像获取模块， 用于采用图像获取装置对不同环境下的煤和煤矸石样本进行图像拍摄 采集， 得到 煤与煤矸石图像数据集； 图像处理模块， 用于对采集到的煤与煤矸石图像数据集进行图像标注与数据增强处 理， 获得煤矸石数据集； 模型处理模块， 用于在YOLOv4目标检测算法的基础上， 对YOLOv4目标检测算法的主干 网络、 位置损失和锚定框距离算法进行优化改进， 得到 改进后的YOLOv4煤矸石目标检测网 络模型； 模型训练模块， 用于对改进后的YOLOv4煤矸石目标检测网络模型进行性能评价和模型 训练并获取最佳模型， 主 要包括精度指标的确立训练和速度指标的确立训练； 检测识别 模块， 用于采用训练完成之后的YOLOv4煤矸石目标检测网络模型进行煤矸石 检测识别。 8.一种电子设备， 其特 征在于， 包括： 处 理器， 以及与所述处 理器通信连接的存 储器； 所述存储器存储计算机执 行指令； 所述处理器执行所述存储器存储的计算机执行指令， 以实现如权利要求1 ‑6中任一项 所述的方法。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中存储有计算机 执行指令， 所述计算机执行指令被处理器执行时用于实现如权利要求1 ‑6中任一项所述的 方法。 10.一种计算机程序产品， 其特征在于， 包括计算机程序， 该计算机程序被处理器执行 时实现权利要求1 ‑6中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115147392 A 3