基于改进YOLOv7-Tiny的煤矿井下轨道异物检测方法

作     者：薛晓强 王小勇 李凡卉 朱文娜 

作者机构：陕西小保当矿业有限公司 西安科技大学计算机科学与技术学院 

出 版 物：《光电子·激光》 (Journal of Optoelectronics·Laser)

年 卷 期：2025年

学科分类：12[管理学] 081901[工学-采矿工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 0819[工学-矿业工程] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62102309)资助项目 

主　　题：井下轨道区域 目标检测 轻量化网络 注意力机制 

摘      要：煤矿井下的工作环境极为复杂，针对噪声、灰尘和阴暗区域导致目标漏检误检的问题，提出了一种基于轻量化网络融合的井下轨道异物检测方法。首先，对YOLOv7-Tiny网络框架进行针对性改进，引入FasterNet和GhostV2模块，在保持高性能水平的同时降低了模型复杂度。其次，结合ECA(Efficient Channel Attention)注意力机制设计了ELAN＿E模块，提高了模型对异物特征的敏感性。最后，采用Focal-EIoU损失函数优化坐标损失计算，进一步提升了检测准确性。实验结果表明，相较于YOLOv7-Tiny，提出方法在参数量和计算量方面分别减少了30.23%和15.15%。同时mAP(mean Average Precision)指标提升了1.2%，有效地提高了异物检测的精度和效率，为煤矿井下轨道区域入侵检测提供了有效改进方案。