基于GCS-YOLOv8n模型的煤矸石识别方法  

作　　者：王林海 徐善永[1] WANG Linhai;XU Shanyong

机构地区：[1]安徽理工大学电气与信息工程学院,安徽淮南232001

出　　处：《信息技术与信息化》2025年第3期115-118,共4页Information Technology and Informatization

摘　　要：针对煤和矸石识别中存在模型参数量大、检测速度慢、精度低等问题,文章提出一种基于YOLOv8n轻量化的煤矸石识别方法。通过在检测层增加一个P6检测头,可以帮助网络更好地区分目标与背景,减少误检和漏检的情况;使用GhostConv可以在减少模型参数的同时,提升模型的检测精度;同时引入C3Ghost模块替代原来的特征提取网络中的C2f模块,进一步减少计算量和参数量;在SPPF模块后加入SimAM注意力机制模块,增强模型学习能力,抑制干扰特征。实验结果表明,文章提出的GCSYOLOv8n模型mAP@0.5为95.1%,与YOLOv8n模型相比提高了1.9%。参数量降低了10.6%,计算量下降了38.3%,模型大小被压缩到5.54 MB,并且该算法的检测速度为143.1帧/s。与YOLOv3-tiny、YOLOv5s、YOLOv7-tiny等模型对比,具有精度高、参数量少等优点,为后续部署到Jetson Nano提供了技术支持。

关 键 词：YOLOv8 GhostConv C3Ghost SimAM注意力机制 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]