基于改进版YOLOv7的煤矸石检测与识别方法研究 侯殿东、 杨一鸣、 刘燕、 边国利、 李振楠、 杜明超、 赵乐华、 张鹏、 张喜斋

《Processes》：Research on Coal Gangue Detection and Identification Method Based on Improved YOLOv7 Diandong Hou, Yiming Yang, Yan Liu, Guoli Bian, Zhenan Li, Mingchao Du, Lehua Zhao, Peng Zhang and Xizhai Zhang

　　摘要：煤矸石的分选对于提高煤炭质量、避免环境污染和降低劳动力成本具有重要意义。许多研究人员提出了基于图像的煤矸石分选方法，但环境的复杂性、煤矸石检测与识别方法的速度和准确性以及硬件设备的性能都对煤矸石分选的准确性构成了挑战。本文讨论了深度学习方法在煤矸石检测领域的研究与应用，并提出了一种改进的YOLOv7煤矸石检测模型，适用于具有较大计算能力和内存的普通GPU设备。为了解决YOLOv7模型在煤矸石检测任务中的特征冗余问题，引入了FasterNet来优化YOLOv7的骨干网络，减少了冗余计算和内存访问，使模型在特征提取方面更加高效。为了满足高速输送带运动条件下的检测速度要求，引入了VoVGSCSP来改进YOLOv7的ELAN（高效层聚合网络），进一步提升了模型的检测速度。实验结果表明，在输送带速度为0.6米/秒时，改进模型的mAP0.5与YOLOv7相当，帧率从每秒9帧提高到了18帧，煤矸石分选率达到91.1%，煤误选率为4.8%。基于改进的YOLOv7的煤矸石检测与识别方法提高了检测速度，促进了煤矸石分选效率的提升。

1. 引言
煤炭工业为国家经济和社会发展提供了能源保障，已成为支撑国家高质量经济和社会进步的基础产业之一[1]。在煤炭开采和洗选/加工过程中，会产生大量的工业固体杂质，如煤矸石。煤矸石的热值较低，呈灰黑色，质地坚硬，并含有某些有害成分。煤矸石的燃烧会释放硫化物，污染大气、农田和水体。如今，智能煤矸石分选已成为煤炭工业智能化发展的重要组成部分，在高效利用煤炭资源和促进绿色环境发展方面发挥着重要作用。随着计算机视觉和深度学习等技术的快速发展，越来越多的国内外学者将研究重点转向了基于图像的煤矸石分选方法。这种方法消除了辐射危害和资源浪费等问题，同时降低了成本。因此，基于深度学习的方法已成为煤矸石图像检测领域的研究热点。Yan等人通过集成scSE模块增强了YOLOv5的骨干网络，利用煤矸石多光谱数据中的高区分度光谱带生成的伪彩色图像作为网络输入进行矸石检测[2]。Chen等人解决了现有煤矸石检测模型中参数数量多和检测精度低的问题，他们在YOLOX-S模型中引入了混合并行注意力模块，使用Ghost-S架构重构了骨干网络以减小模型规模，并改进了损失函数以提高检测精度[3]。Yang等人在YOLOv7模型中添加了检测层，并采用了COTN模块来增强小物体检测能力，随后通过DIOU改进了模型的损失函数，从而提高了其检测煤矸石的性能。Pavithra等人在应用YOLOv7进行检测之前对煤矸石图像进行了中值滤波处理，从而提高了检测精度。尽管基于深度学习的方法在煤矸石检测方面具有显著优势，但大多数提出的方法尚未充分考虑煤矸石检测的具体应用场景。由于煤炭制备环境的复杂性，这仍然是该领域的一个限制。

本文全面考虑了煤矸石的环境特性、检测方法的性能以及硬件设备的能力，提出了一种适用于具有充足计算能力和内存的标准GPU设备的改进YOLOv7煤矸石检测模型。YOLOv7在煤矸石检测中存在特征冗余问题，具体表现为大约35%的特征通道输出对煤的均匀黑色纹理和煤矸石的灰黑色斑点纹理等关键特征产生了重复响应。这种冗余导致模型优先学习非关键特征，降低了目标区分度并增加了GPU内存消耗。为了解决这个问题，引入了FasterNet来优化YOLOv7的骨干网络，使模型能够更高效地提取特征。根据济宁第三煤矿煤炭制备厂的现场调查数据——轻负荷条件为0.4–0.6米/秒，重负荷条件为0.8–1.2米/秒——煤矸石的混合分选主要发生在轻负荷条件下，此时输送带振动幅度≤0.5毫米，粉尘浓度≤10毫克/立方米，光照强度在500到2000勒克斯之间。煤矸石颗粒大小主要集中在50到120毫米之间，占混合物的约91%，原煤与煤矸石的比例为1:8到1:12。因此，选择0.6米/秒作为核心实验速度，覆盖了现场70%以上的轻负荷场景。为了解决该速度下可能导致的图像模糊和检测延迟问题，引入了VoVGSCSP模块来增强YOLOv7的高效层聚合网络模块，进一步提高了检测速度。改进后的模型达到了与YOLOv7相当的mAP0.5，帧率从9帧/秒提高到了18帧/秒，煤矸石分选率达到91.1%，煤误分类率为4.8%。这些实验结果对于推进煤矸石检测研究、促进基于图像的煤矸石分选方法的发展以及实现智能煤炭开采、环境可持续性和资源效率具有重要意义。

2. 改进煤矸石检测与识别算法
2.1. 对YOLOv7模型的改进
在实际的煤矿分选场景中，原始的YOLOv7存在几个问题：高特征冗余导致计算负载高和推理速度低；网络结构未针对煤矸石目标进行优化，导致效率不足；大多数现有方法仅关注算法改进，而忽略了实际工业限制。为了克服这些缺点，本研究从实际工程需求出发，提出了基于FasterNet和VoVGSCSP的轻量级YOLOv7模型。其目的是减少计算冗余，加快推理速度，并在有限的硬件资源下保持高检测精度。选择YOLOv7作为基础模型主要是基于其在准确性、速度和煤矸石检测场景改进潜力方面的综合优势。使用相同的数据集和相同的训练参数对YOLOv5-L、YOLOv8-L和YOLOv7（原始版本）进行了基本性能测试。结果表明，YOLOv7始终比YOLOv5-L和YOLOv8-L具有更高的小物体召回率。这使其更适合煤矸石的特点，即“纹理变化小且尺寸波动显著”。此外，YOLOv7的FLOPs/Params比率最低，为后续的轻量化优化提供了更大的空间。大多数现有的煤矸石检测方法直接采用通用模块（如注意力机制和特征融合块），而没有针对实际工作条件进行针对性设计。相比之下，本研究从工业限制出发，包括成像特性、输送带运动模糊和计算资源有限等问题；通过定量分析识别瓶颈；然后进行定制化的结构改进。表1展示了不同物体检测模型在煤矸石数据集上的基本性能比较。

为了解决YOLOv7煤矸石检测模型中特征图通道之间的冗余问题，引入了FasterNet来增强骨干网络[4]。为了满足输送带快速移动下的高速检测需求，VoVGSCSP替换了YOLOv7中的ELAN颈部网络[5]。这种方法提出了一种适用于标准GPU设备的改进YOLOv7煤矸石检测模型，其结构如图1所示[6]。

2.2. 对骨干网络的改进
先前的研究表明，特征图内的不同通道之间存在相似性。丰富的甚至冗余的特征有助于模型学习更全面的内容，从而增强其表示能力。然而，这种方法也存在检测速度降低和过拟合的风险。因此，有效利用特征图通道之间的冗余可以进一步优化模型。图2展示了YOLOv7骨干网络第三卷积层特征图输出中选定的通道，箭头指示的区域显示了冗余[7]。先前的研究表明，特征图内的不同通道具有相似性，冗余特征会增加计算负载并降低推理速度。特别是在煤矸石检测中，YOLOv7骨干网络将其特征提取需求集中在少数几个通道上，用于检测煤矸石的灰度差异[8]。冗余通道占用GPU内存并延长了检测延迟。为了定量表征冗余，本研究计算了YOLOv7骨干网络第三卷积层通道之间的余弦相似性。通过从该层的256个通道中随机选择50对通道并计算它们的特征响应余弦相似性，结果显示平均相似性为0.78 ± 0.06。其中，32对通道的相似性大于0.8，表明该层存在大量冗余特征。为了进一步验证冗余对检测的影响，设计了一个对照实验：使用相同的测试数据集（2000张煤矸石图像，包括300张灰尘多和光照低的样本），移除YOLOv7骨干网络中相似性大于0.8的冗余通道后，模型的小尺寸矸石召回率提高了6.2%，内存访问减少了35%，推理时间缩短了22%。这种冗余降低了模型在检测“黑色煤纹理”和“煤矸石上的灰黑色斑点”等关键特征时的效率，同时增加了约35%的内存访问[9]。图2显示了YOLOv7骨干中的特征图冗余：高通道相似性增加了内存访问和计算成本。此外，部分卷积减少了特征图之间的冗余计算，使神经网络能够更高效地提取特征，同时最小化内存访问和降低推理时间[10]。因此，基于部分卷积提出了FasterNetBlock，形成了FasterNet特征提取网络[11]。与其他网络相比，FasterNet显著提高了推理速度，同时在各种视觉任务中保持了检测精度。FasterNet架构包含四个层次，每个层次由多个FasterNetBlock级联而成。每个层次之前都有一个补丁嵌入层或补丁合并层。根据FasterNetBlock的数量和每个层次中的通道数，FasterNet架构分为六个变体，即t0、t1、t2、S、M和L，具有逐渐增加的浮点运算和参数数量。FasterNet-t2架构如图3所示。图3展示了使用FasterNet骨干和VoVGSCSP颈部的改进YOLOv7模型，用于高效煤矸石检测[6]。

2.2. 对骨干网络的改进
先前的研究显示了特征图内不同通道之间的相似性。丰富的甚至冗余的特征有助于模型学习更全面的内容，从而增强其表示能力。然而，这种方法也存在检测速度降低和过拟合的风险。因此，有效利用特征图通道之间的冗余可以进一步优化模型。图2可视化了YOLOv7骨干网络第三卷积层特征图输出中选定的通道，箭头指示的区域显示了冗余[7]。先前的研究表明，特征图内的不同通道具有相似性，冗余特征增加了计算负载并降低了推理速度。特别是在煤矸石检测中，YOLOv7骨干网络将其特征提取需求集中在少数几个通道上[8]。冗余通道占用GPU内存并延长了检测延迟。为了定量表征冗余，本研究计算了YOLOv7骨干网络第三卷积层通道之间的余弦相似性。通过从该层的256个通道中随机选择50对通道并计算它们的特征响应余弦相似性，结果显示平均相似性为0.78 ± 0.06。其中，32对通道的相似性大于0.8，表明该层存在大量冗余特征。为了进一步验证冗余对检测的影响，设计了一个对照实验：使用相同的测试数据集（2000张煤矸石图像，包括300张灰尘多和光照低的样本），移除YOLOv7骨干网络中相似性大于0.8的冗余通道后，模型的小尺寸矸石召回率提高了6.2%，内存访问减少了35%，推理时间缩短了22%。这种冗余降低了模型在检测“黑色煤纹理”和“煤矸石上的灰黑色斑点”等关键特征时的效率，同时增加了约35%的内存访问[9]。图2显示了YOLOv7骨干中的特征图冗余：高通道相似性增加了内存访问和计算成本。此外，部分卷积减少了特征图之间的冗余计算，使神经网络能够更高效地提取特征，同时最小化内存访问和降低推理时间[10]。因此，基于部分卷积提出了FasterNetBlock，形成了FasterNet特征提取网络[11]。与其他网络相比，FasterNet显著提高了推理速度，同时在各种视觉任务中保持了检测精度。FasterNet架构包含四个层次，每个层次由多个FasterNetBlock级联而成。每个层次之前都有一个补丁嵌入层或补丁合并层。根据FasterNetBlock的数量和每个层次中的通道数，FasterNet架构分为六个变体，即t0、t1、t2、S、M和L，具有逐渐增加的浮点运算和参数数量。FasterNet-t2架构如图3所示。图3展示了具有分层阶段和FasterNetBlock的FasterNet-t2架构，用于高效特征提取和轻量级部署。FasterNetBlock是一个使用部分卷积和逐点卷积构建的残差块。部分卷积从输入特征图的选定通道中提取特征，而剩余通道则被映射并连接到结果上。然后，逐点卷积扩展了中间特征图中的通道数量，丰富了特征信息。DropPath正则化降低了过拟合风险，最终输出特征图通过残差结构获得[12]。图4展示了使用部分卷积和残差连接的FasterNetBlock结构，以减少冗余并提高推理速度。表2比较了FasterNet和YOLOv7骨干网络的参数数量。FasterNet-t2主干网络的参数数量接近YOLOv7，但其浮点运算量仅为YOLOv7的一半。本文在FasterNet-t2的基础上进行了改进，保留了Output1、Output2和Output3层，同时移除了Output4层，从而形成了改进后的YOLOv7主干网络，称为FasterNet，其结构如图5所示。改进后的主干网络减少了特征冗余和内存访问，使模型能够更高效地提取特征。表2展示了YOLOv7主干网络与各种FasterNet变体之间的参数比较。图5显示了基于FasterNet的改进YOLOv7主干网络，通过减少通道冗余来提高特征提取效率。

2.3. 颈部网络的改进
带式输送机的高速运动对模型的检测速度提出了特定要求。虽然升级硬件设备可以提高检测速度，但这种方法会增加设备成本，并且适用范围有限。通过改进模型本身也可以提高检测速度。研究采用了深度可分离卷积（DSConv）轻量级模型来提升速度[13]。DSConv的计算过程如图6所示，输入特征图依次进行深度卷积（DWConv）和点卷积操作以生成输出特征图[14]。如果特征图的通道数为???????，卷积核大小为k ×k，步长为1，输出通道数为??????????，并对输入特征图应用默认填充，则可分离卷积和标准卷积的参数数量及浮点运算量分别由公式（1）–（4）表示：
??????????????????????????????????=???????×(??2+??????????) （1）
???????????????????????????????=??×??×???????×(??2+??????????) （2）
????????????????????????????=???????×??2×?????????? （3）
?????????????????????????=??×??×???????×??2×?????????? （4）
从上述公式可以看出，可分离卷积可以有效减少模型参数数量和浮点运算量。浮点运算量的减少在一定程度上可以提高检测速度。然而，每通道卷积的特性——即对特征图的每个通道分别进行操作——会导致部分通道信息的丢失。这导致许多使用可分离卷积构建的模型无法达到足够的准确率要求。

为了避免上述问题并在模型准确率和速度之间取得平衡，本文引入了基于GS瓶颈[15]构建的VoVGSCSP模块。GS瓶颈采用混合卷积（GSConv）进行特征提取[16]。这种混合卷积用通道卷积替换了深度可分离卷积中的点卷积，从而减少了与点卷积相关的计算开销[17]。此外，混合卷积中的标准卷积沿特征图的通道维度提取特征信息，而每通道卷积减少了模型的参数数量和浮点运算量。GS瓶颈架构如图7所示。图7展示了结合标准卷积和通道卷积的GS瓶颈结构，以平衡效率和特征表示。基于GS瓶颈架构，VoVGSCSP模块采用了跨阶段局部网络方法设计，其结构如图8所示[18]。VoVGSCSP是一个专为高速煤矸石检测定制的特征聚合模块。“VoV”组件采用了VoVNet的多尺度特征融合技术来适应煤矸石的大小变化[19]。“G”部分来自GSConv，通过“通道池化后进行每通道分离”来减少计算负载，同时保留通道信息[20]。SCSP部分来自CSPNet的跨阶段连接，利用主路径和快捷路径分支来降低梯度消失的风险[21]。内部，输入特征图通过Branch 1和Branch 2进行处理，然后通过连接和1 × 1卷积融合生成颈部网络的特征图。通道压缩将计算负载降低了30%[22]。与深度可分离卷积相比，GSConv将mAP0.5提高了2.3%，整个颈部网络的推理速度提高了40%，在保持检测准确性的同时满足了高速需求。本节将YOLOv7颈部网络中的四个ELAN替换为VoVGSCSP。如果在所有模型阶段都使用VoVGSCSP，将会增加网络层深度，阻碍数据流动并延长推理时间。此外，将VoVGSCSP应用于主干网络会妨碍低级特征提取，并阻止使用预训练权重，从而导致准确率显著下降[23]。改进后的颈部网络如图1的颈部部分所示。应用VoVGSCSP可以在保持足够检测准确性的同时提高检测速度。图8展示了具有跨阶段部分连接和GS瓶颈的VoVGSCSP模块，用于快速准确的颈部网络设计。

3. 模型训练和测试结果分析
3.1. 实验测试和训练平台
训练策略如下：输入图像分辨率为640 × 640，动量为0.937，使用随机梯度下降优化器；最大学习率为10^-2，最小学习率为10^-4，采用余弦退火进行学习率调整，并应用Mosaic和Mix up对输入图像进行数据增强[24]。由于本文早期收集的煤矸石数据集有限，本节采用了迁移学习方法。主干网络基于预训练权重冻结50个训练周期，然后解冻250个训练周期[25]。在冻结训练期间，每个批次包含64张图像；在解冻训练期间，每个批次包含32张图像。每五个训练周期在验证集上评估一次mAP0.5。通常从大型数据集获得的预训练权重具有强大的特征提取能力。有效利用这些权重可以缓解数据不足的问题，使模型更高效地收敛。训练硬件平台包括Ubuntu 18.04、NVIDIA RTX 3090 GPU、Intel Xeon Gold 5218 CPU、CUDA 11.3、cuDNN 8.2和PyTorch 1.10.1深度学习框架。该硬件平台为模型训练和推理提供了足够的计算支持。在部署时，模型还可以移植到嵌入式平台，如NVIDIA Jetson AGX Xavier，用于低功耗工业应用。
原始数据集仅来自济宁第三煤矿。为了提高泛化能力，我们将数据集扩展到四个采矿区域（济宁、枣庄、肥城和新汶），共包含7500张图像，涵盖了不同的光照条件（300–2000勒克斯）、灰尘浓度（0–25毫克/立方米）、颗粒大小（30–150毫米）和煤/岩石岩性。应用数据增强技术，包括亮度调整、噪声模拟、旋转和翻转，以进一步提高模型的鲁棒性。

3.2. 实验结果与分析
为了验证改进的有效性，我们在测试集上使用300次迭代过程得到的最优权重评估了模型性能[26]。此外，为了展示改进算法的优势，表3展示了每种改进方法在测试集上的综合性能指标。模型1代表基线YOLOv7模型，而模型2–4表示改进版本，其中模型4特别标记为YOLOv7-improved。我们添加了一个跨矿井的泛化测试。所提出的模型在三个新矿山的测试集上的mAP0.5分别为89.7%、88.9%和89.2%，FPS超过16.8。结果表明，该模型在不同工作条件下的泛化能力稳定可靠。表3显示了改进后的YOLOv7模型在煤矸石测试集上的消融研究结果。比较模型1和2可以看出，改进主干网络后，模型2的参数数量显著减少，浮点运算量显著降低，FPS也有明显提升，同时保持了与YOLOv7相当的mAP0.5[27]。检测速度的提高得益于部分卷积，它减少了冗余计算和内存访问，从而加速了模型的检测性能。此外，改进后的主干网络中三个输出特征的通道数从1024、1024和512分别减少到768、384和192。相应地，颈部网络的通道数也减少了。通道数的减少进一步加快了模型的检测速度。保持与YOLOv7相当的mAP0.5归功于Faster Net Block特征提取模块。Faster Net Block的残差结构使模型能够有效学习输入和输出之间的差异，有助于获取复杂特征并增强表示能力。Faster Net Block中的部分卷积减少了特征图通道之间的冗余，降低了过度学习冗余特征的风险[28]。Drop Path技术在训练过程中随机丢弃某些网络连接，降低了过拟合风险。
比较模型1和3，我们发现应用VOVGSCSP改进后，模型的浮点运算量减少了12%，参数数量减少了16%，同时FPS略有提升。混合卷积在性能上介于标准卷积和深度可分离卷积之间[17]，但其特征提取能力略低于标准卷积，导致mAP0.5略有下降。通过利用深度可分离卷积和通道混合的优势，它们在减少浮点运算量和参数数量的同时提高了FPS。比较模型1、3和4，我们发现带有VOVGSCSP的Faster Net主干实现了最佳的FPS。高效的Faster Net主干弥补了VOVGSCSP在特征提取方面的不足，获得了理想的mAP0.5值[29]。综合比较四个模型发现，模型4（YOLOv7-improved）实现了最快的检测速度，同时保持了较高的mAP0.5。在处理640 × 640分辨率的图像时，YOLOv7-improved的mAP0.5与YOLOv7相当，同时FPS提高了9帧/秒。
为了进一步验证该模型的优势，我们将其与当前常用的目标检测模型进行了比较。图9展示了模型在mAP0.5和推理时间轴上的性能。模型位置越接近左上角区域，其检测准确性和速度越好。显然，YOLOv7-improved在所有模型中实现了最快的检测速度，同时保持了较高的mAP0.5分数。图9显示了模型性能比较：YOLOv7-improved实现了最快的推理速度和具有竞争力的mAP0.5。表4展示了模型比较实验的综合性能指标。在640 × 640的输入分辨率下，比较SSD、YOLOv4、YOLOv5-L、YOLOv7和YOLOv7-improved后发现，SSD在mAP0.5方面具有显著优势，但FPS较低。YOLOv4、YOLOv5-L、YOLOv7和YOLOv9-C在mAP0.5、FPS、浮点运算量和参数数量方面都有所改进。其中，YOLOv9-C在准确率和速度之间实现了最佳平衡。尽管YOLOv7-improved的mAP0.5比YOLOv9-C低2%，但其FPS比YOLOv9-C高8帧/秒，比YOLOv7高9帧/秒。在济宁第三煤矿的带式输送机上进行了为期7天（168小时）的短期工业验证。平均分选准确率为89.3%，推理速度稳定在约17 FPS，没有明显的性能下降，从而验证了模型在实际工作条件下的稳定性。表4展示了最先进目标检测模型在煤矸石数据集上的综合性能比较。

3.3. 实验结果讨论
基于消融实验、对比实验和煤矸石分选系统的实际测试结果，本节讨论了改进模块的协同机制、工业场景适应性、相对于类似模型的差异化优势以及研究的工程意义，阐明了改进YOLOv7模型性能提升的本质原因，并为工业和采矿目标检测模型的优化和实施提供了理论和实践参考。模型改进不是简单的模块叠加，而是针对煤矸石检测痛点进行了有针对性的优化。FasterNet定制的主干网络和VoVGSCSP颈部网络的协同作用使FPS提高了两倍（18），mAP0.5稳定在91.4%。定制的FasterNet消除了特征冗余（内存访问减少了35%），并匹配了煤矸石颗粒大小特性，贡献了78%的速度提升；VoVGSCSP压缩了计算量并加速了推理，其多尺度融合弥补了潜在的特征损失，实现了高效的计算能力分配。所有实验均基于济宁第三煤矿的实际工作条件。该模型对轻负载带式输送机条件（0.4–0.6米/秒）具有高度适应性，实现了91.1–94.4%的分选率和3.8–4.8%的煤误选率，这得益于图像采集、算法和硬件的全链路匹配。然而，在重载条件下（≥0.8 m/s），由于运动模糊和目标轻微重叠，其分类率下降到86.7%，因为该模型缺乏针对此类场景的专用增强模块，这表明需要针对全条件应用进行有针对性的优化。与相同条件下的主流YOLO系列模型相比，改进后的模型具有基于场景的轻量化特性和更优的速度-准确性工程平衡。它将计算能力集中在煤与矸石的二分类上，其矸石召回率为91.8%，满足工业上的低漏检要求；其FPS（每秒帧数）为18，显著高于参数和FLOPs较低的对比模型，解决了类似模型常见的速度-准确性矛盾，比现有的改进型YOLO模型更适合工业实践，后者采用盲式模块叠加。该研究还提供了三个关键的工程启示：模型优化应优先考虑定量痛点分析以进行有针对性的改进；性能指标应服务于工业需求，而不是盲目最大化；智能分类需要图像采集系统、算法和分选设备的集成适应。总之，该模型提供了一种高效的煤矸石检测方案，并为类似的工业和采矿目标检测研究提供了可复制的经验，包括研究思路、模型优化和工程实现。

4. 煤矸石分选系统应用设计
4.1. 图像采集系统设计
煤矸石图像的质量直接决定了深度学习模型中特征提取的准确性以及后续的检测性能[30,31,32,33]。洗煤现场常见的干扰因素——如灰尘遮挡、光线波动和输送带振动——常常导致图像模糊、灰度对比度低和目标边缘失真[34]。直接使用这样的图像进行模型训练会大大降低煤与矸石之间的区分度，可能导致误分类或漏检问题。因此，专门设计了一种适用于现场条件的煤矸石图像采集系统[35]。该系统建立了一个完整的工作流程——从硬件选择、现场部署和采集控制到图像预处理——为模型训练和分选实验提供可靠的数据支持[36]。
对于核心图像采集硬件的选择，选择了海康威视MV-CA050-10GM千兆工业相机（海康威视数字技术有限公司，中国杭州），充分考虑了济宁第三煤矿选煤厂的操作条件[37]。该相机配备了1/1.2英寸CMOS传感器，分辨率为2448 × 2048，能够清晰捕捉大小在50至80毫米之间的矸石颗粒的表面纹理细节。此外，其最大帧率为30 fps，为0.4至1.2 m/s的输送带速度提供了足够的冗余，防止因帧率不足而导致的漏拍[38]。为了优化成像性能，它与Tamron M1614-MP2定焦工业镜头配合使用[39,40]。该镜头的畸变率≤1%，远低于标准消费级镜头的3%畸变率，有效减少了输送带边缘附近矸石图像的几何畸变[41,42]。其光圈范围为F1.4–F16，可以在低光条件下通过扩大光圈来增加光线摄入，确保图像清晰度。考虑到现场的灰尘和光线波动，还配置了两组KHD127/10W高功率LED防爆补光灯和304不锈钢防爆玻璃盖：补光灯的颜色温度设置为5500 K，以减少煤矸石表面反射造成的“白块”干扰[43]。两组灯以45°角对称安装在相机两侧，创建了一个均匀的照明区域，使光线波动保持在±10%以内。防爆玻璃盖厚度为8毫米，并具有纳米防雾涂层，以防止温度差异引起的冷凝。底部的压缩空气吹扫端口将玻璃表面的灰尘覆盖率从20%降低到1%以下，确保镜头清晰可见。
在现场部署时，相机安装在一个位于输送带上方1.5米的钢制支撑结构上[44]。该支撑结构采用弹簧安装的减震设计，有效防止了由振动引起的图像模糊[45]。在图像采集过程中，主机计算机软件将相机触发频率与输送带速度同步。在0.6 m/s的速度下，软件计算出的帧捕获率为0.03秒，确保相邻帧之间没有矸石目标的重叠或漏拍。如果输送带速度调整为0.4 m/s或0.8 m/s，软件会自动调整触发频率以满足不同操作条件下的采集要求。
为了进一步提高图像质量，对捕获的原始图像进行了有针对性的预处理：首先，使用3 × 3窗口大小的中值滤波算法去除灰尘噪声。该算法在抑制椒盐噪声方面表现出显著效果，与均值滤波相比，细节损失减少了2%。其次，CLAHE算法增强了灰度对比度。为了解决由于光线不均匀造成的局部暗区问题，CLAHE将图像的灰度动态范围从80扩展到180，使得区分煤的均匀黑色纹理和矸石的灰黑色斑点特征变得更加容易。最后，预处理后的图像被裁剪为640 × 640像素。这个尺寸符合改进型YOLOv7模型的输入要求，同时最小化了模型训练期间无关背景区域的干扰。
基于上述采集和预处理工作流程，构建了一个包含5000张有效图像的最终煤矸石数据集。该数据集包括3500个煤样本和1500个矸石样本。样本涵盖了清晨、中午和傍晚的照明时段，灰尘浓度范围为10至15 mg/m3，振动幅度为0.1至0.5 mm。这些样本涵盖了清晨、中午和傍晚的照明时段，并包括在灰尘浓度为10–15 mg/m3和振动幅度为0.1–0.2 mm的边界条件下捕获的图像。这确保了数据集的多样性和代表性，从而保障了模型的训练泛化能力。

4.2. 实验平台系统设计
实验室构建的煤矸石分选系统实验平台的示意图如图10所示。实际实验平台如图11所示。
图10. 集成图像采集、检测和分选模块的煤矸石分选实验平台示意图。
图11. 带有相机、照明、输送带和气动分选机构的煤矸石分选系统物理设置。
根据济宁第三煤矿中煤与矸石的混合比例，选择了210个煤样本和90个矸石样本。使用带有平整模块的刷式分配器，将样本均匀分布在输送带表面上，模拟现场的单层、不重叠的材料传输条件[46]。在每轮实验之前，清洁输送带表面的残留灰尘以确保样本随机定位。样本放置顺序通过随机数表控制。然后样本进入矸石检测模块。通过PC终端软件控制的工业相机捕获矸石图像。矸石检测模型处理这些图像，包装有关符合分选标准的矸石的相关信息，并传输给矸石分离模块中的分选控制器。这个模拟过程重复了三次，以最小化随机误差。
分选控制器接收来自主机计算机的矸石信息，控制气缸将矸石击入矸石箱，并引导矸石落在煤输送带上，从而完成矸石分选任务。煤矸石分选系统的操作流程如图12所示。
图12. 分选系统流程图，显示了图像捕获、模型推理和执行器控制用于矸石分离的过程。
总共测试了300个煤和矸石分离样本，包括210个煤样本和90个矸石样本，输送带速度为0.6 m/s。矸石分离测试结果如表5所示。
随后，在实验室构建的矸石分离系统测试平台上进行了动态矸石分离实验[47]。
表5. 使用YOLOv7改进版本在不同输送带速度下的煤矸石分选实验结果。
当YOLOv7改进版本作为煤矸石分选实验的检测模型时，分选率达到91.1%，而煤的误选率为4.8%。两种模型在分选实验中都表现出不同程度的样本漏检和误分类。样本漏检的主要原因是模型未能检测到矸石或将矸石错误地识别为煤，如图13a,b所示。
图13. YOLOv7改进版本的检测错误：(a)假阴性（漏检矸石）和(b)假阳性（煤被错误分类）。

5. 限制
本研究提出了一种改进的YOLOv7模型用于煤矸石检测，并通过实验室和工业模拟测试验证了其有效性。然而，由于受到现场条件、数据集构建和模型设计的限制，研究存在几个局限性，这些局限性也定义了后续优化的关键方向，如下所述。
首先，煤矸石数据集的来源单一，场景覆盖范围不足。数据集仅来自济宁第三煤矿，仅涵盖了50–120毫米的颗粒大小、≤15 mg/m3的灰尘浓度和500–2000勒克斯的光照强度，缺乏极端条件下的样本（超小颗粒大小、超高灰尘和强背光/极低光照）以及其他具有不同岩性和纹理的矿区的样本。这导致在采样煤矿条件下具有良好的泛化能力，但在多样化的煤制备环境中的适应性较差，限制了跨场景应用。
其次，该模型在重载输送带条件下的表现不佳。该模型针对轻载工作条件（0.4–0.6 m/s）进行了优化，在这种条件下实现了理想的检测速度和分选率，但在0.8 m/s的速度下，其分选率下降到86.7%，误选率上升到7.1%。高速运动导致图像模糊，降低了模型提取边缘和纹理特征的能力。即使经过轻量化的改进，该模型仍无法满足高速输送带（≥1.0 m/s）的实时和高精度检测要求。
第三，该模型对混合和重叠样本的识别能力较弱。实验样本是单层且不重叠的，而实际生产中煤与矸石经常重叠，边缘被遮挡且纹理模糊。该模型缺乏针对遮挡目标的专用特征增强模块，多尺度融合能力不足，导致这类样本的漏检和误判率较高。
第四，缺乏长期的工业现场验证。模型性能主要通过实验室平台和短期现场模拟进行验证，没有在复杂实际条件下（如持续输送带振动、镜头灰尘积累、频繁的光线变化和材料速度不稳定）进行连续的工业测试（超过30天）。模型及其匹配采集系统在长期运行中的稳定性、抗干扰性和可维护性尚未经过测试。
第五，模型优化方向单一。研究仅通过减少特征冗余和提高检测速度来优化主干网络和颈部网络，而没有针对煤与矸石二分类特征（例如轻微样本不平衡）的损失函数进行有针对性的改进。没有添加增强关键煤与矸石区域特征提取的注意力机制，限制了检测准确性和抗干扰能力的进一步提高。
第六，比较实验缺乏针对轻量化专用模型的分析。研究仅与主流YOLO系列模型进行了比较，没有分析针对工业边缘设备的轻量化专用检测模型（NanoDet、YOLO-NAS和Mobile-YOLO）。该模型对低计算能力边缘GPU或嵌入式设备的适应性未经测试，阻碍了其在多样化煤制备厂硬件环境中的灵活部署。
上述局限性指出了后续研究的方向：扩展多源、多场景数据集；优化模型以适应高负载条件；添加针对重叠/遮挡目标的增强模块；进行长期工业验证；优化损失函数并添加注意力机制；压缩/量化模型以验证其在边缘设备上的适应性，从而进一步提高其实际应用价值和场景适应性。

6. 结论
本文基于YOLOv7的架构进行了改进，使其更适合具有充足计算能力和内存的通用GPU设备，以适应煤矸石检测任务。为了解决YOLOv7在煤矸石检测中的特征冗余问题，使用Faster Net增强了主干网络，减少了冗余计算和内存访问，提高了特征提取效率。为了满足输送带高速检测的需求，使用VoVGSCSP优化了ELAN颈部网络，进一步加速了检测性能。实验结果表明，对于640 × 640分辨率的输入图像，改进后的模型YOLOv7-improved达到了每秒18帧的FPS，而mAP保持在0.5，与YOLOv7相当。采用YOLOv7改进模型后，该煤矸石分选系统实验平台对煤矸石的分选率达到91.1%，对煤炭的误分类率仅为4.8%。