基于Mamba的井下皮带异物无监督检测模型研究

摘要

为了解决井下皮带异物无法被精准定位、计算成本过大等问题，提出了一个基于Mamba的无监督运煤皮带异物检测模型，该模型由预训练编码器和基于Mamba的解码器组成。在Mamba解码器中，FHSS混合状态空间模块将Hilbert扫描位置编码、傅里叶变换、Einstein对角矩阵计算引入Mamba网络来增强通道建模及特征序列建模，并结合了基于重构方法和多类无监督异常检测的优点，解决井下异常数据集匮乏、难以采集的问题。结果表明：该模型精度比经典的4个异常检测模型分别提升了22.2%,10.9%,5.9%,2.1%,其参数量和FLOPs仅为26.109 M,8.497 G;与传统检测方法相比，不仅有效应对由于噪声、遮挡等因素导致的检测不确定性，确保了异物检测的鲁棒性和可靠性，且具备更小的模型体积，显著降低了模型在推理过程中的计算复杂度。研究对于煤矿井下的实际应用具有重要意义，能够更好地保障输送系统的安全性和稳定性。

关键词

井下皮带异物检测 / Mamba / 无监督训练 / 异常检测 / 空间状态模型