基于迁移学习和特征注意增强型PP＿LiteSeg的矿井输送带区域分割算法

摘要

为了实现对矿井输送带区域违规交互行为的精准检测，针对井下图像样本稀缺、目标多尺度及边缘模糊等问题，提出一种融合迁移学习与特征注意力增强机制的改进PP＿LiteSeg语义分割算法.设计了特征注意金字塔池化模块融合多尺度特征，增强对不同尺度目标细节的感知能力；构建轻量型多层次统一注意融合解码网络（LMUAFD），提升复杂背景下的目标判别能力；引入迁移学习预训练权重，优化模型在输送带数据集上的收敛速度.结果表明：该算法在输送带区域数据集上的准确率、平均交并比、相似系数及卡帕系数分别达到99.2%,90.4%,94.8%和95.4%，相较于主流语义分割网络Deeplabv3,Unet,EfficientNet,ShuffleNet,MobileNetV3以及原始PP＿LiteSeg均有明显提升.该研究为实现矿井输送带区域违规行为的精确检测与智能安全监管提供了技术支撑.

关键词

语义分割 / PP＿LiteSeg / 特征注意金字塔 / LMUAFD / 迁移学习