(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 202210923711.0 (22)申请日 2022.08.02 (71)申请人 西安科技大 学 地址 710054 陕西省西安市雁塔中路58号 (72)发明人 张释如　张达　温一帆　王锐　 张红　 (74)专利代理 机构 成都知棋知识产权代理事务 所(普通合伙) 51325 专利代理师 马超前 (51)Int.Cl. G06V 10/44(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/25(2022.01) G06V 10/764(2022.01)G06V 10/776(2022.01) G06V 10/82(2022.01) (54)发明名称 煤矸图像识别方法、 装置、 设备 (57)摘要 本发明提供一种煤矸图像识别方法、 装置、 设备。 该方法包括： 构建图像识别模型YOLOv5s_ GC； 基于所述图像识别模型YOL Ov5s_GC对待检测 图像进行煤矸识别； 所述图像识别模型YOL Ov5s_ GC的构建包括： 利用GhostConv模块代替原 YOLOv5s网络模型中的CBS模块、 利用GhostC3模 块代替原YOLOv5s网络模型中的C3模块、 在原 YOLOv5s网络模型Focus结构后引入卷积注意力 机制。 本发明通过构建的YOL Ov5s_GC模型 实现了 在保证识别精度基本不变的同时， 大大提高了煤 矸图像的识别效率。 权利要求书2页 说明书9页 附图6页 CN 115082700 A 2022.09.20 CN 115082700 A 1.一种煤矸图像识别方法， 其特 征在于， 包括： 构建图像识别模型YOLOv5s_GC； 基于所述图像识别模型YOLOv5s_GC对待检测图像进行煤矸识别； 所述图像识别模型YOLOv5s_GC的构建包括： 利用GhostC3模块代替原YOLOv5s网络模型中的C3模块； 所述GhostC3模块通过分阶段 卷积减少模块的参数量和计算 量。 2.根据权利 要求1所述的煤矸图像识别方法， 其特征在于， 所述图像识别模型YOLOv5s_ GC的构建还 包括： 利用GhostConv模块代替原YOLOv5s网络模型 中的CBS模块； 所述GhostConv模块用于消 除卷积过程中冗余的特 征图。 3.根据权利要求1或2所述的煤矸图像识别方法， 其特征在于， 所述图像识别模型 YOLOv5s_GC的构建还 包括： 利用CBS_CBAM模块代替原YOLOv5s网络模型中处于Focus结构之后的CBS模块； 所述 CBS_CBAM模块用于弥补模型损失的部分精度。 4.根据权利 要求2所述的煤矸图像识别方法， 其特征在于， 所述GhostC3模块包括： 第一 CBS模块、 第二CBS模块、 第三CBS模块以及由若干GhostNet基本单元相连构成的 GhostBot tleneck模块； 所述GhostNet基本单 元包括所述GhostCo nv模块； 所述GhostC3模块将输入特征 图分成两部分， 一部分作为第一CBS模块的输入， 另一部 分作为第二CBS模块的输入； 所述第一CBS模块的输出作为GhostBottleneck模块的输入， GhostBottleneck模块的输出与第二CBS模块的输出拼接， 将两者的拼接结果作为第三CBS 模块的输入， 第三CBS模块的输出为GhostC 3模块的输出。 5.根据权利要求2所述的煤矸图像识别方法， 其特 征在于， 所述GhostCo nv模块包括： 1×1卷积单元， 用于对特 征图进行降维， 得到第一特 征图； 逐通道卷积单 元， 用于对所述第一特 征图进行 逐通道卷积， 得到第二特 征图； 拼接单元， 用于将所述第一特征图和第二特征图进行通道拼接， 以得到最终的输出特 征图。 6.根据权利要求4所述的煤矸图像识别方法， 其特征在于， 在卷积步长为1的情况下， 所 述GhostNet基本单 元包括： 两个所述GhostCo nv模块， 该两个GhostCo nv模块相连。 7.根据权利要求4所述的煤矸图像识别方法， 其特征在于， 在卷积步长为2的情况下， 所 述GhostNet基本单元包括： 两个所述GhostConv模块、 以及连接在所述两个GhostConv模块 之间的步长为2的逐通道卷积单 元。 8.一种煤矸图像识别装置， 其特 征在于， 包括： 构建单元， 用于构建图像识别模型YOLOv5s_GC； 图像识别单 元， 基于所述图像识别模型YOLOv5s_GC对待检测图像进行煤矸识别； 所述图像识别模型YOLOv5s_GC的构建包括： 利用GhostC3模块代替原YOLOv5s网络模型中的C3模块； 所述GhostC3模块通过分阶段 卷积减少模块的参数量和计算 量； 利用GhostConv模块代替原YOLOv5s网络模型 中的CBS模块； 所述GhostConv模块用于消 除卷积过程中冗余的特 征图；权　利　要　求　书 1/2 页 2 CN 115082700 A 2利用CBS_CBAM模块代替原YOLOv5s网络模型中处于Focus结构之后的CBS模块； 所述 CBS_CBAM模块用于弥补模型损失的部分精度。 9.一种电子设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上运 行的计算机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1至7任一项所 述煤矸图像识别方法。 10.一种非暂态计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算 机程序被处 理器执行时实现如权利要求1至7任一项所述煤矸图像识别方法。权　利　要　求　书 2/2 页 3 CN 115082700 A 3