本项目设计了一套基于计算机视觉的煤炭目标检测系统,专门针对煤矿传送带复杂工况,实时检测煤块、矸石、异物,并引入“未知”类用于捕捉未定义异常目标。系统采用深度卷积神经网络,结合多尺度特征融合与注意力机制,在煤尘、光照多变环境下仍保持高检出率与低误检率,输出类别、位置与置信度,直接驱动分拣装置或报警,实现智能排矸、异物剔除及未知风险预警,显著降低人工拣选强度与漏检风险。
在作品中,我担任核心算法负责人,主导数据采集方案设计、图像清洗与标注规范制定,选型并优化检测模型结构,完成训练策略调参、模型蒸馏与量化加速,最终将模型部署在边缘计算设备上,保证实时推理,并参与系统联调与现场迭代,确保检测精度与鲁棒性满足工业要求。