基于EMAM-YOLO的煤矸石图像识别方法研究

《ACS Omega》：Research on Coal Gangue Image Recognition Method Based on EMAM-YOLO

　　高分辨率图像
下载MS PowerPoint幻灯片

针对地下煤矿复杂环境中由于照明不均、煤尘干扰以及煤矸岩形态多样等因素导致的目标检测精度低和鲁棒性差的问题，提出了一种基于EMAM-YOLO的实时煤矸岩图像检测模型。该模型以YOLOv12n为基线框架，并集成多尺度优化模块以提高整体性能。首先，采用轻量级的EfficientNetV1网络重构主干特征提取结构，有效减少模型参数数量的同时保证高精度特征表示。其次，引入多尺度注意力特征金字塔网络（MAFPN）以增强浅层细节信息与深层语义信息之间的跨尺度交互，提高对不同大小煤矸岩目标的检测能力。然后，设计自适应空间特征融合检测头（Detect_ASFF）通过学习动态权重来优化多尺度特征融合策略，提高模型对遮挡和变形目标的定位精度。最后，加入多尺度通道注意力（MCA）机制引导网络关注关键特征通道并抑制冗余信息，进一步提升特征区分能力。该项工作的主要技术贡献有二：（1）新型自适应空间特征融合检测头（Detect_ASFF），能够学习动态空间权重，属于检测头的结构创新；（2）EfficientNetV1、MAFPN、Detect_ASFF和MCA之间的特定组合及协同作用，各自解决了YOLOv12n在煤矸岩检测中的短板。在自建的煤矸岩数据集上的实验结果表明，EMAM-YOLO模型的平均精度（mAP50–95）达到81.17%，比基线YOLOv12n高出5.04个百分点，且仅需要2.59百万个参数，检测速度为69.89帧每秒，实现了检测精度与实时性能的良好平衡。与Faster R–CNN、SSD、YOLOv8n和YOLOv10n等主流算法相比，该模型在模拟的复杂工作条件下展现出更强的鲁棒性和更好的检测性能，可为煤矿智能洗煤提供有效技术支持。

1. 引言
煤炭开采过程中产生的煤矸岩是主要的固体污染物。如果与原煤混合，不仅会降低煤炭燃烧质量，还会增加后续利用过程中的污染排放。因此，准确识别煤矸岩对洗煤和加工过程具有重要意义。

(1?4) 传统的煤矸岩识别方法主要包括密度分选、射线检测和人工挑选。(5?8) 尽管这些方法具有一定的准确度，但通常存在效率低、成本高、操作复杂和适应性有限等问题。近年来，基于深度学习的图像识别技术在煤矸岩目标检测领域得到了广泛应用。Li Na等人(9)提出了一种基于FNF-YOLO的轻量级煤矸岩识别方法，通过特征融合优化、轻量级检测头和改进的损失函数，将mAP提高了3.5%，同时减少了50%的参数和45.7%的计算量，实现了更高效、更准确的检测性能。Li Deyong等人(10)针对煤矿复杂环境提出了实时煤矸岩检测模型BRS-YOLOv10n，通过集成BiFormer视觉转换器、RepLKNet超大卷积核、SKNet动态注意力机制和InnerCIoU损失函数，该模型平均准确率达到92.3%，检测速度达到62.6帧每秒，显著优于现有主流方法，同时提高了特征提取和收敛效率。Kingdom Law等人(11)提出了基于CFS-YOLO的智能煤矸岩识别模型，通过引入ConvNeXt V2特征提取模块、Focal EIOU损失函数和SimAM注意力机制，在复杂煤矿环境中实现了90.2%的平均检测准确率和90.09帧每秒的实时检测性能，显著提升了煤矸岩识别的鲁棒性和效率。Zhang Lei等人(12)构建了YOLOv5s SDE模型，引入了SE模块、深度可分离卷积和EIoU损失函数，通过减少22.2%的参数和24.1%的计算量，使模型在复杂工作条件下的带式输送机煤矸岩实时检测性能提升至92.5%，59.9帧每秒。Ge Qingnan等人(13)提出了一种基于KRB-YOLOv5s算法的煤矸岩识别方法，通过K-means++锚箱优化和引入RepLKNet大核卷积及BiFPN特征融合网络，在复杂煤矿环境中实现了94.5%的平均检测准确率，比基准模型高出3.3个百分点，有效提高了煤矸岩分类的鲁棒性和准确度。

考虑到实际煤矿生产中煤尘浓度高、照明条件复杂以及煤矸岩形状多样等可变环境，现有的煤矸岩识别方法难以同时满足检测速度和准确性的要求。因此，本文基于YOLOv12，采用轻量级主干网络EfficientNetV1优化特征提取结构，提高计算效率并减少参数数量；引入多尺度注意力特征金字塔网络（MAFPN）增强模型的多尺度特征融合能力；采用自适应空间特征融合检测头（Detect_ASFF）进一步优化目标定位和分类精度；并通过融入多尺度通道注意力（MCA）机制，增强模型在复杂工作条件下的特征表达能力。

2. EMAM-YOLO模型
2.1. 总体架构
EMAM-YOLO算法是在YOLOv12n模型(14)基础上优化的网络，其主要网络结构如图1所示。该模型主要由四部分组成：输入端、主干网络、颈部网络和检测头。
图1. EMAM-YOLO网络模型结构。
高分辨率图像
下载MS PowerPoint幻灯片

尽管YOLOv12n在一般任务上效率较高，但在煤矸岩检测方面存在四个具体缺点：(1) 其主干网络缺乏轻量级的深度可分离卷积和通道注意力，导致参数冗余和细粒度特征提取能力弱；(2) 其FPN使用简单求和方法进行多尺度融合，无法处理大尺度变化和严重遮挡；(3) 其检测头采用固定空间权重融合，无法自适应地关注变形或遮挡的目标；(4) 其单尺度通道注意力忽略了跨尺度依赖性，在复杂照明和灰尘环境下降低特征选择的鲁棒性。为解决这些问题，该模型的核心改进包括：①采用轻量级主干网络EfficientNetV1优化特征提取结构，通过高效的深度可分离卷积和通道注意力机制，显著减少参数数量同时提升特征表示能力，提高计算效率和模型泛化性能；②引入多尺度注意力特征金字塔网络（MAFPN），通过双向跨尺度连接和注意力加权融合机制，增强不同层次特征之间的语义信息交互，有效提升模型在复杂场景中的多尺度目标检测能力；③设计自适应空间特征融合检测头（Detect_ASFF），采用动态权重学习策略自适应调整不同尺度特征的空间贡献，优化目标定位精度和分类置信度，提高模型对遮挡和变形目标的鲁棒性；④集成多尺度通道注意力（MCA）机制，通过并行多分支通道建模捕捉跨尺度通道依赖性，自适应关注关键特征通道并抑制冗余信息，进一步提升特征选择和表示能力。通过上述模块的协同优化，模型在计算效率、多尺度融合精度和特征区分能力之间取得了更好的平衡。

2.2. EfficientNet主干网络
随着卷积神经网络的发展，模型规模持续扩大，但硬件内存限制要求在追求更高精度的同时提高效率。传统的卷积神经网络如AlexNet、GoogleNet、SENet等虽然准确度不断提高，但参数过多并面临硬件瓶颈。EfficientNet旨在研究通过模型缩放实现超越现有准确度的卷积神经网络效率。EfficientNet(15)提出了一种新的复合缩放方法，使用复合系数统一缩放网络的宽度、深度和分辨率。具体公式如下：
深度：??=????
宽度：??=????
分辨率：??=????

其中，α、β和γ是通过小尺度网格搜索确定的常数，满足α·β ≤ 2·γ ≤ 2、α ≥ 1、β ≥ 1和γ ≥ 1的条件。这种方法基于网络宽度、深度和分辨率之间存在相关性的观察结果，平衡这三个维度的缩放对于提升模型性能至关重要，而传统的单维度缩放方法存在局限性。

2.3. MAFPN颈部结构
传统YOLO系列算法中使用的PAFPN结构在多尺度特征融合方面存在局限性：首先，它缺乏跨分辨率层次的多尺度融合，PAFPN主要集成多尺度特征图并忽略浅层和低空间信息（例如P3层对小目标的重要性），导致小目标检测能力不足。其次，小目标检测路径单一，仅通过单向自上而下的路径和两个模块处理小目标检测，限制了模型学习细微特征的能力。为解决这些问题，MAFPN(16)通过引入双向连接和多分支辅助融合，增强了浅层信息的保留和跨层特征交互，从而提高多尺度目标检测性能。作为YOLO检测器的颈部结构，MAFPN包括两个核心路径：①自下而上路径：使用SAF模块提取主干网络的多尺度特征（P2–P5），在浅层颈部进行初步辅助融合并保留浅层空间信息；②自上而下路径：通过在颈部深层建立密集连接，将不同分辨率层次（如浅层高分辨率层、低分辨率层、同层层和前层）的特征聚合，引导检测头输出多尺度信息。两条路径均使用RepHELAN模块进行特征提取，并利用动态大小卷积核实现自适应感受野。

(1) 浅层辅助融合（SAF）模块
该模块旨在保留主干网络中的浅层空间信息并提升小目标检测能力。以双向方式连接主干网络的浅层特征（如P3）和颈部特征，并通过1 × 1卷积控制通道数量以避免信息干扰。结构如图2所示。融合公式为：
??′??=????????????(??(??(????????(?????1))),????,??(??′??+1))
Pn′=concat(δ(C(Down(Pn?1))),Pn,U(Pn+1′))

其中，Pn–1是浅层特征，Pn是主干网络的主要特征，U（·）是上采样操作，C是1 × 1卷积层，δ是SiLU激活函数。实验表明，通过融合高分辨率浅层特征并增强网络捕捉小目标边缘和细节的能力，SAF可以将小目标检测性能（APs）提高1%。

(2) 高级辅助融合（AAF）模块
该模块旨在实现深层颈部层中的跨层和多尺度信息交换，提高中型和大型目标的检测精度。结构上，浅层高分辨率层（P′n+1）、低分辨率层（P′n–1）、同层层（P′n）和前一层（P″n–1）之间进行密集连接，各层的通道数量通过1 × 1卷积进行平衡。结构如图3所示。融合公式为：
??″??=????????????(??(??(????????(??′???1))),??(??(????????(??″???1)))??′??,??(??(??′??+1)))
Pn″=concat(δ(C(Down(Pn?1′))),δ(C(Down(Pn?1″)))
Pn′,C(U(Pn+1′))

通过多方向连接丰富输出层的梯度信息，实验表明AAF可以将中型目标（APm）和大型目标（API）的性能分别提高约1.1%和1.9%。

2.4. Detect_ASFF检测头
在目标检测中，处理多尺度目标是具有挑战性的问题。尽管特征金字塔或多级特征金字塔是常用的解决多尺度问题的方法，但单阶段检测器中不同尺度特征之间的不一致性限制了其性能提升。为解决这一问题，提出了自适应空间特征融合（ASFF）模块(17)。其结构如图4所示。

在YOLO中，有三个具有不同分辨率和通道数的特征层。对于某一层l，调整其他层n（n ≠ l）的特征xn使其形状与xl相同。**上采样：**首先应用一个1×1卷积层来压缩通道数量，然后使用插值来提高分辨率；**下采样（例如1/2缩放）：**使用一个3×3卷积层（步长为2）来同时修改通道数量和分辨率；对于1/4比例的下采样，在2步卷积之前添加一个2步最大池化层。令调整后的特征向量为????→??????xijn→l，融合公式为????????=????????·??1→??????+????????·??2→??????+????????·??3→??????yijl=αijl·xij1→l+βijl·xij2→l+γijl·xij3→l（6）。其中，αijl、βijl和γijl是用于网络自适应学习的空间重要性权重，且αijl+βijl+γijl = 1，αijl、βijl、γijl∈[0,1]。使用1×1卷积层从x1→l、x2→l和x3→l计算权重标量图λαl、λβl和λγl，并通过标准反向传播进行学习。

**2.5 MCA注意力机制：**MCANet（18）的核心组件是多尺度交叉轴注意力（MCA）。其结构如图5所示。

对于轴向注意力，它将自注意力分解为两部分，每一部分分别负责沿水平或垂直维度计算自注意力。基于此，Axial DeepLab可以顺序地沿水平和垂直方向聚合特征，从而能够捕获全局信息。轴向注意力比自注意力更高效，将计算复杂度从O（HW × HW）降低到O（HW × (H + W)）。然而，在许多图像处理任务中，数据集相对较小，轴向注意力难以实现长距离交互，这不利于捕获任务所需的空间结构或形状。

MCA是一种多尺度交叉轴注意力算法，分为两个并行分支来计算水平和垂直轴的注意力。每个分支由三个具有不同核大小的1D卷积组成，用于沿一个空间维度编码多尺度上下文信息，然后通过交叉轴注意力在另一个空间维度聚合特征。以顶部分支为例，给定特征映射F（编码器特征映射最后三个阶段的组合），使用三个并行1D卷积对其进行编码。输出通过求和后输入到一个1×1卷积中，公式为????=????????1×1(∑??=02????????1??????(????????(??)))Fx=Conv1×1(∑i=02Conv1Dix(Norm(F))（7）。其中，Conv1Dxi(·)表示沿x轴的1D卷积，norm（·）是层归一化，Fx是输出。对于1D卷积，设置核大小为1×7、1×11和1×21。底部分支的输出Fy可以类似地获得。对于顶部分支的Fx，将其输入到y轴注意力中。为了更好地利用来自两个空间方向的多尺度卷积特征，使用Fx作为键和Fx作为查询矩阵来计算Fx和Fy之间的交叉注意力。计算过程为FT = MHCAy (Fy, Fx, Fx)，其中MHCAy（·,·,·）表示沿x轴的多头交叉注意力。底部分支以类似方式沿y轴编码上下文，即FB = MHCAx (Fx, Fy, Fy)，其中MHCAx（·,·,·）表示沿y轴的多头交叉注意力。MCA的输出为????????=????????1×1(????)+????????1×1(????)+??。

**3. 数据收集与处理：**
**3.1 煤矸石图像采集实验设备：**煤矸石样本的采集来自实验室自主研发的实验设备，如图6所示。该设备主要由皮带输送机、MV-CS050-20GC千兆以太网工业区域阵列相机、煤矸石样本、设备架、可调光源、相应的光源控制器和计算机制组成。采集系统通过USB接口在相机和计算机之间通信，显示实时采集图像，并保存煤矸石图像。

**3.2 数据收集与处理：**实验数据来自实验室自制的煤矸石数据集。煤矸石样本采集自内蒙古准格尔旗的一个矿山。在采集过程中，通过改变煤和矸石的摆放位置、调节光源、选择不同大小和形状的煤和矸石以及调整煤和矸石的数量，获得了500张图像。部分煤矸石样本如表1所示。图像标签使用LabelImg软件标注，包括两种标签：“Coal”和“Gangue”。Coal代表煤，Gangue代表矸石，并按6:2:2的比例分为训练集、验证集和测试集。

**4. 结果与讨论：**
**4.1 网络环境和训练参数配置：**本实验基于PyTorch深度学习框架，在Windows 10操作系统上进行，使用YOLOv12n作为基准网络模型。实验平台配备了NVIDIA GeForce RTX 4070 GPU（16 GB），编程语言为Python 3.10，CUDA版本为12.6。计算机硬件模型为Intel（R）Core（TM）i7 14650HX，内存为32GB。具体训练参数见表2。

**4.2 模型评估指标：**为了系统地、定量地评估模型的综合性能，本文从三个核心维度选择了六个关键指标：检测精度、模型复杂度和推理效率。**在检测精度方面，使用精确度（P %）和召回率（R %）来衡量模型预测结果的准确性及其检测所有真实目标的能力；进一步引入平均精度均值（mAP）进行综合评估，其中mAP50%反映了在交并比阈值0.5时的平均精度，而mAP50–95%通过对0.5到0.95范围内的多个阈值计算平均值，对边界框的定位精度提出更严格和全面的要求。**在模型复杂性方面，通过参数数量（Params/M）来衡量模型的大小和计算负担，以评估模型是否易于存储和部署。最后，每秒帧率（FPS/F·S-1）作为视觉指标来衡量模型的实际推理速度，直接确定其是否能够满足实际应用中的实时要求。这些指标共同构成了一个完整的评估系统，客观反映了模型在精度、效率和实用性之间的平衡。各指标的数学表达式如下：**

**4.3 不同轻量级模型的比较实验结果：**在模型轻量化的比较实验中，本文选择了多种主流轻量级神经网络作为骨干网络进行比较实验，全面评估了每个模型在检测精度、参数数量和推理速度方面的性能。实验结果见表3。

**4.4 不同neck网络的比较实验结果：**在对象检测任务中，neck网络负责多尺度特征的传输和融合，其设计直接影响模型对不同大小对象的感知能力。为了探索更高效的特征聚合方法，我们在统一的骨干网络和训练配置下对各种neck结构进行了比较实验。实验结果见表4。从表3的数据可以看出，EfficientNetV1在所有指标上表现优异，精度（P）为95.51%，召回率（R）为97.38%，mAP50达到98.97%，mAP50–95达到80.53%。其参数数量为6.48 M，处于中等水平，推理速度达到57.81 FPS，能够满足实时检测要求。EfficientNetV2的性能与EfficientNetV1相似，尽管mAP50也达到98.97%，mAP50–95略高（82.74%），但其参数数量高达21.02 M，是EfficientNetV1的三倍多，推理速度降至41.42 FPS。在资源有限的场景中，其部署优势并不显著。MobileViTV1的mAP50达到98.59%，但参数数量为6.88 M，推理速度仅为43.50 FPS，低于EfficientNetV1的整体性能。GhostNetV3的mAP50为98.73%，但其参数数量为13.16 M，推理速度为53.83 FPS，在参数数量和速度方面稍逊一筹。MobileOne在参数数量（3.00 M）和推理速度（87.14 FPS）方面表现出色，参数数量最少。VanillaNet的推理速度快速（140.25 FPS），参数数量也较小（1.59 M），但mAP50为96.18%，在检测精度上有提升空间。MobileNetV2作为经典的轻量级模型，在参数数量（3.00 M）和推理速度（87.14 FPS）方面表现平衡，mAP50达到97.54%，但其整体精度仍低于EfficientNetV1。MobileNetV4在参数数量适中的模型中具有最快的推理速度（119.96 FPS），但其mAP50（92.11%）和mAP50–95（68.34%）在比较中最低，表明其轻量级设计在一定程度上牺牲了特征表示能力。综合考虑检测精度、模型参数数量和推理速度等因素，EfficientNetV1在精度和效率之间取得了最佳平衡。其mAP50检测精度为98.97%，参数数量为6.48 M，推理速度为57.81 FPS，因此被选为本文最终的骨干网络。

**4.5 不同检测头的比较实验结果：**检测头作为对象检测网络的决策核心，负责将neck网络的融合特征转换为最终的分类和定位结果。为了提高检测精度和效率，我们在统一的骨干网络和neck配置下对各种检测头结构进行了比较实验。实验结果见表5。从表4的数据可以看出，ASF在mAP50（96.34%）和mAP50–95（76.06%）方面表现最佳，同时保持了85.79 FPS的流畅速度，展示了强大的自适应特征融合能力。SEAM在精度和速度上也表现出色，mAP50为96.72%，FPS为94.77。GSConv在轻量级设计方面具有独特优势，参数数量仅为2.59 M，却实现了95.61%的mAP50和83.89 FPS，适用于资源敏感的场景。WFU在精度高达96.30%的同时，达到了94.86 FPS的优秀速度，平衡了感受野扩展和计算效率。HSFPN具有非常小的参数规模（1.84 M）和最高的帧率（106.73 FPS），成为极端轻量级的代表，适用于实时要求极高的任务。综合考量后，我们最终选择了MAFPN作为neck网络。该模型在精度（mAP50:96.44%，mAP50–95:77.67%）方面具有竞争力，参数数量（2.31 M）和计算复杂度（6.8G）都处于较低水平，而推理速度（86.45 FPS）确保了高效的部署性能。MAFPN在检测精度、模型轻量化和推理速度之间取得了最佳平衡，是本实验中表现最佳的neck结构。Detect_SyHead在轻量级设计方面表现优异，仅使用2.35 M个参数和4.9G的计算能力，就实现了95.02%的mAP50和最高102.79 FPS的帧率，为速度和效率树立了标杆。DetectnMBConv也展示了高效卷积在设计检测头时的潜力，其参数数量仅有2.24 M，却能达到104.03 FPS的出色速度。Xiaomubiao在准确率上也紧随其后，mAP50为94.90%，mAP50–95为75.67%，证明了其对小目标的优化能力。经过综合考虑，我们最终选择了Detect_ASFF作为检测头。该模型在检测准确率上远超其他模型，mAP50达到了96.46%，mAP50–95达到了76.79%，同时在保证准确率的同时，推理速度达到88.33 FPS，并且参数数量（4.25 M）和计算复杂度（9.8G）也处于可接受范围内。

4.6. 不同注意力机制的比较实验结果
注意力机制旨在引导模型关注关键特征并抑制冗余信息，这是提高物体检测准确性的有效手段。为了研究不同注意力模块对特征表达的增强效果，我们对常用的注意力机制进行了比较实验，实验结果如表6所示。
表6. 不同注意力机制的比较实验
| 模型 | P% | R% | mAP50% | mAP50–95% | 参数数量/MPS/FPS |
|------------|---------|---------|--------|---------|
| 1–MCA | 93.48 | 91.46 | 96.80 | 76.99 | 2.56 |
| A2C 2f_PPA | 88.39 | 91.22 | 96.66 | 76.50 | 4.56 |
| PPA | 91.52 | 90.03 | 95.81 | 75.27 | 4.73 |
| GAMAttention | 88.17 | 91.85 | 95.67 | 75.82 | 2.99 |
| CBAM | 88.58 | 90.38 | 95.64 | 75.64 | 2.57 |
从表6的数据可以看出，MCA在所有模型中表现最为突出，mAP50和mAP50–95的准确率均位列第一。同时，90.31 FPS的推理速度也确保了高效的实时检测能力，展现了其在多尺度特征校准方面的独特优势。A2C 2f_PPA在准确率上也紧随其后，mAP50为96.66%，mAP50–95为76.50%，证明了将PPA模块与C 2f架构结合的有效性。PPA本身也表现良好，mAP50为95.81%，FPS为86.38，反映了其稳定的特征增强能力。GAMAttention以105.45 FPS的速度和95.67%的 high precision 平衡了全局注意力机制和计算效率。作为经典的空间通道注意力模块，CBAM在不同任务中展现了其通用性，mAP50为95.64%，FPS为103.54。

经过综合考虑，我们最终选择了MCA作为注意力模块。该模型在检测准确率上领先，mAP50达到96.80%，mAP50–95达到76.99%，显著优于其他比较模型；同时，参数数量（2.56 M）和计算复杂度（6.3G）保持在较低水平，推理速度（90.31 FPS）完全满足实时检测要求。

4.7. 消融实验
为了全面评估每个模块对YOLOv12物体检测性能的影响，本文设计了一个系统的消融实验，实验结果如表7所示。实验使用原始的YOLOv12n作为基准，并引入了EfficientNetV1主干网络（模块A）、MAFPN颈部结构（模块B）、Detect_ASFF检测头（模块C）和MCA注意力机制（模块D）。通过比较准确率、参数数量和推理速度来验证每个模块的有效性。
表7. 消融实验
| 基线 | P% | R% | mAP50% | mAP50–95% | 参数数量/MPS/FPS |
|------------|---------|---------|--------|---------|
| √ | 91.15 | 91.43 | 96.30 | 76.13 | 2.56 | 103.87 |
| √√ | 95.51 | 97.38 | 98.97 | 80.53 | 6.48 |
| √ | 90.36 | 90.32 | 96.44 | 77.67 | 2.31 | 86.45 |
| √ | 89.70 | 92.09 | 96.46 | 76.79 | 4.25 | 88.33 |
| √ | 93.48 | 91.46 | 96.80 | 76.99 | 2.56 | 90.31 |
| √√ | 89.33 | 92.95 | 96.82 | 79.54 | 1.31 | 99.13 |
| √√ | 90.93 | 91.98 | 96.80 | 80.31 | 2.08 | 81.29 |
| √ | 90.96 | 92.24 | 96.36 | 78.01 | 1.49 | 82.19 |
| √√ | 92.69 | 94.14 | 97.73 | 81.17 | 2.59 |
| √√ | 91.92 | 94.14 | 97.48 | 80.46 | 1.97 |
| √√ | 92.17 | 94.47 | 97.75 | 81.17 | 2.59 |
模块A（EfficientNetV1主干网络）的引入带来了最显著的性能提升：与基准相比，mAP50从96.30%提高到98.97%（+2.67%），mAP50–95从76.13%提高到80.53%（+4.4%），召回率R达到97.38%，表明EfficientNetV1强大的特征提取能力可以有效捕捉关键目标信息。但是参数数量从2.56 M增加到6.48 M，FPS从103.87降低到57.81，表明性能提升是以计算开销为代价的。当单独使用模块B（MAFPN颈部结构）时，所有指标基本与基准相同（mAP50：96.44% vs 96.30%），但参数数量略微减少到2.31 M，FPS略微降低到86.45。这表明MAFPN在保持性能的同时具有一定的轻量化潜力，但其单独效果不明显。模块C（Detect_ASFF检测头）表现出有趣的特点：召回率R增加到92.09%（+0.66%），但准确率P略有下降（89.70% vs 91.15%），mAP50–95仅增加了0.66%。这表明ASFF的多尺度特征融合有助于召回更多目标，但可能会引入一些误报。当单独使用模块D（MCA注意力机制）时，效果显著：准确率P达到93.48%（+2.33%），召回率R从91.43%增加到91.46%，mAP50达到96.80%。这表明MCA可以有效抑制背景噪声，提高检测置信度，并在保持召回率的同时增强特征区分能力。在双模块组合中，A + B组合表现最为突出：尽管参数数量减少到1.31 M（相比单独使用A减少了79.8%），FPS增加到99.13，但mAP50略微下降到96.82%。这验证了MAFPN的轻量化设计可以有效压缩EfficientNetV1的特征维度，实现了准确性和效率之间的平衡。A + C组合保持了较高的mAP50–95（80.31%），同时参数数量仅为2.08 M，表明ASFF和EfficientNetV1之间的兼容性好。A + D组合仅需1.49 M参数就实现了78.01%的mAP50–95，表明MCA注意力可以有效压缩特征。在三个模块的组合中，A + B + C组合取得了最佳的综合性能：mAP50–95达到81.12%，比基准高4.99%，准确率P达到92.69%，召回率R达到94.14%。参数数量为2.59 M，FPS为52.78，满足实时检测要求。这表明三个模块之间存在协同效应：EfficientNetV1提取丰富的特征，MAFPN高效融合多尺度信息，ASFF优化检测头特征选择。A + B + D组合的性能略低于A + B + C，但FPS更高（68.85 vs 52.78），表明MCA注意力在保持准确性的同时计算效率更高。A + B + C + D完整模型实现了最优的检测性能：mAP50达到97.75%，mAP50–95达到81.17%，召回率R达到94.47%。与基准相比，mAP50–95提高了5.04%，准确率提高了1.02%，召回率提高了3.04%。参数数量仅增加了0.03 M，FPS为69.89，保持了良好的实时性能。这表明四个模块具有积极的协同效应：EfficientNetV1提供了高质量的的特征基础，MAFPN实现了高效的特征金字塔构建，ASFF优化了多尺度特征融合，MCA注意力机制增强了关键区域的响应。

4.8. 不同物体检测算法的比较实验
为了全面评估本文提出方法的性能优势，选择了主流物体检测算法，如Faster R–CNN、SSD和YOLO系列（v5n/v8n/v9t/v10n/v11n/v12n）进行比较实验，以精度P、召回率R、mAP50、mAP50–95、参数数量Params和推理速度FPS作为核心评估指标。实验结果如表8所示。
表8. 物体检测算法的比较实验
| 模型 | P% | R% | mAP50% | mAP50–95% | 参数数量/MPS/FPS |
|------------|---------|---------|--------|---------|
| Faster R–CNN | 23.69 | 55.23 | 29.81 | 11.09 | 28.29 |
| SSD | 90 | 90 | 88.82 | 72.83 | 15.52 |
| YOLOv5n | 92.17 | 92.11 | 97.59 | 79.47 | 25.02 |
| YOLOv8n | 94.43 | 93.92 | 98.16 | 81.12 | 3.01 |
| YOLOv9t | 95.45 | 94.32 | 98.01 | 80.36 | 1.97 |
| YOLOv10n | 82.48 | 83.99 | 91.35 | 73.93 | 2.70 |
| YOLOv11n | 92.03 | 92.19 | 97.42 | 78.69 | 2.58 |
| YOLOv12n | 91.15 | 91.43 | 96.30 | 76.13 | 2.56 |
| 我们的方法 | 92.17 | 94.47 | 97.75 | 81.17 | 2.59 |
从综合指标mAP50–95来看，我们在本文中的方法排名第一，得分81.17%，比原始YOLOv12n（76.13%）高出5.04个百分点，略优于YOLOv8n（81.12%）。在mAP50指数上，我们的方法达到97.75%，排名第三，仅次于YOLOv8n的98.16%和YOLOv9t的98.01%。在召回率R方面，我们的方法以94.47%的成绩超过了所有比较模型，比YOLOv8n（93.92%）高出0.55个百分点，比YOLOv12n（91.43%）高出3.04个百分点，表明我们的方法能够更有效地捕捉目标并减少漏检。YOLO系列的总体表现优异：YOLOv8n的mAP50–95为81.12%，排名第二，YOLOv9t为80.36%，YOLOv5n为79.47%，而YOLOv10n仅为73.93%，甚至低于SSD的72.83%。传统的两阶段检测器Faster R–CNN的准确率最低（mAP50–95仅为11.09%），难以满足实际应用要求。在参数大小方面，YOLOv9t最为轻量，为1.97 M，而我们在本文中的方法为2.59 M，与YOLOv12n（2.56 M）和YOLOv11n（2.58 M）相当，远优于YOLOv8n的3.01M。与SSD（23.88 M）和Faster R–CNN（28.29 M）相比，我们的方法参数减少了近91%，显示出极高的参数效率。在推理速度方面，SSD以154.2 FPS领先，紧随其后的是YOLOv5n的142.02 FPS。我们的方法达到69.89 FPS，虽然不如YOLOv5n等轻量级模型快，但远超过实时检测要求（>30 FPS），在精度要求较高的应用场景中具有足够的实用性。综合考虑各种指标，我们的方法最终被选为最佳模型，主要基于以下原因：首先，检测准确率最高。我们的mAP50–95领先所有比较模型，为81.17%，高于YOLOv8n（81.12%）和YOLOv9t（80.36%），尤其是在召回率R（94.47%）方面，确保了不会遗漏关键目标，这对实际应用至关重要。其次，参数效率很高。我们的参数数量仅为2.59 M，与YOLOv12n相当，远低于YOLOv8n的3.01M。该模型轻量且易于部署。第三，取得了显著改进。与原始YOLOv12n相比，我们的方法mAP50–95提高了5.04个百分点，召回率提高了3.04个百分点，而参数数量基本保持不变（2.59 M vs 2.56 M），充分验证了本文改进模块的有效性。第四，准确率和速度之间取得了良好的平衡。69.89 FPS的推理速度完全满足实时检测要求，在追求高精度的任务中具有显著优势。总之，本文提出的模型在物体检测任务中展示了出色的性能和实用价值。

4.9. 泛化实验
本实验使用参考文献（19）中的数据集进行泛化验证。该数据集包含不同粒度和数量的煤矸样本，共有500张高分辨率图像，如图8所示。
图8.其他采矿数据集的示例。高分辨率图像。下载MS PowerPoint幻灯片。

为了验证我们算法的泛化能力，我们在参考文献（19）中的数据集上，与YOLOv8n、YOLOv9t、YOLOv10n、YOLOv11n和YOLOv12n在相同的实验条件下进行了比较。结果如表9所示，加粗的值表示最优值。

表9. 参考文献（19）数据集上的比较实验结果

| 模型 | P% | R% | mAP50% | mAP50–95% | 参数/FPS/F·S |
|--------------|------|------|-------|----------|
| 1-YOLOv8n | 91.78 | 92.58 | 88.59 | 1.17 | 3.01 |
| 2-YOLOv9t | 94.68 | 95.29 | 88.21 | 1.81 | 1.97 |
| 3-YOLOv10n | 72.34 | 76.91 | 83.73 | 68.10 | 2.70 |
| 4-YOLOv11n | 92.37 | 91.81 | 96.48 | 77.92 | 2.58 |
| 5-YOLOv12n | 94.81 | 91.93 | 98.15 | 77.63 | 2.56 |
| 6-我们的模型 | 95.80 | 98.31 | 99.10 | 81.96 | 2.56 |

根据表9中的实验结果，EMAM-YOLO12算法的表现优于YOLOv8n、YOLOv9t、YOLOv10n、YOLOv11n和YOLOv12n，具有更高的检测准确率和良好的整体性能。尽管YOLOv9t在参数数量上表现良好（仅1.97兆参数），但其FPS较低（62.63帧/秒），实时性能较差，不利于在终端设备上部署。虽然YOLOv10n的推理速度快（100.25帧/秒），但其检测准确率显著不足，mAP50仅为83.73%，远低于本文提出的模型。YOLOv8n、YOLOv11n和YOLOv12n在准确率和速度之间取得了一定的平衡，但在召回率和mAP50–95%等关键指标上仍不及我们的模型。本文提出的模型准确率为95.80%，召回率为98.31%，mAP50为99.10%，mAP50–95%为81.96%，均优于所有对比方法。在参数数量方面，本文提出的模型仅需2.56兆参数，与YOLOv12n相当，远低于YOLOv8n。此外，FPS达到了87.68帧/秒，满足实时检测要求。总之，本文提出的EMAM-YOLO12算法在其他采矿数据集上实现了最高的检测准确率和召回率，展示了更强的泛化能力和工程应用价值。

5. 结论

(1) 本文提出了一种适用于复杂地下采矿环境的EMAM-YOLO煤岩检测模型。主要的技术贡献有二：首先，设计了一种自适应空间特征融合检测头（Detect_ASFF），该检测头能够学习动态空间权重，代表了检测头结构上的创新；其次，四种互补模块（EfficientNetV1、MAFPN、Detect_ASFF和MCA）的特定组合和协同作用，针对YOLOv12n在煤岩检测中的不足进行了改进。实验结果显示，该模型的平均准确率（mAP50–95%）达到了81.17%，准确率为92.17%，召回率为94.47%。检测速度为69.89帧/秒，平均准确率比原始YOLOv12n高出5.04%。该模型能够准确高效地完成煤和岩的检测任务。

(2) 本文通过引入轻量级的EfficientNetV1主干网络、多尺度注意力特征金字塔网络（MAFPN）、自适应空间特征融合检测头（Detect_ASFF）和多尺度通道注意力（MCA）机制，对YOLOv12n进行了系统优化。与现有的主流目标检测算法相比，EMAM-YOLO模型在低光照、多个目标以及不同程度的遮挡等模拟复杂环境中能够更准确地识别煤和岩，显著降低了漏检率和误检率，提高了模型在实际应用场景中的鲁棒性和准确性。

(3) EMAM-YOLO模型在控制参数数量为2.59兆参数的同时，确保了高检测准确率，实现了模型性能与轻量化需求的平衡。然而，考虑到地下移动平台或边缘计算设备的资源限制，未来的研究可以进一步探索模型压缩和剪枝技术，或者引入更高效的卷积运算符，以便在保持准确性的前提下，持续提高模型的检测速度，并更好地适应煤矿智能分选的硬件环境。