SIRI-YOLO：高熵地下场景中带式输送机异物检测方法

《Entropy》：SIRI-YOLO: A Foreign Object Detection Method for Belt Conveyors in High-Entropy Underground Scenes

　　

为解决低光照井下煤矿带式输送机因信息熵退化和高背景噪声导致的检测性能差，以及因熵分布不均匀引起的多尺度目标提取困难问题，本文提出了一种基于改进YOLOv11n架构的高效异物检测模型，命名为SIRI-YOLO。首先，引入自校准光照网络（Self-Calibrating Illumination Network，SCINet）以恢复图像信息熵并增强低光照适应性。其次，通过嵌入倒残差移动模块（Inverted Residual Mobile Block，IRMB）将C2PSA模块增强为C2PSA-IRMB，提升多尺度特征利用效率并减少无效熵增加。第三，采用改进的重参数化广义特征金字塔网络（Reparameterized Generalized Feature Pyramid Network，RepGFPN）以加强高层语义与低层空间特征的融合，降低特征金字塔传递过程中的信息熵损失。最后，引入Inner-MPDIoU损失函数替代CIoU，从KL散度（Kullback-Leibler divergence）角度实现更精确的熵最小化。在包含大煤块和锚杆的数据集上的实验结果表明，SIRI-YOLO在mAP@50、mAP@50:95、精确率和召回率上分别达到92.8%、59.4%、89.5%和87.2%，参数量仅为2.92M，帧率为70.01 FPS，优于主流YOLO模型。此外，在公开ExDark低光照数据集上，SIRI-YOLO相比YOLOv11n在mAP@50上提升4.2%，证明了在不同低光照和复杂场景下的强泛化能力。所提方法有效处理了光照不均匀、尺度变化和复杂背景问题，通过系统熵降低为煤矿安全提供了实用解决方案。

**论文解读：SIRI-YOLO：高熵地下场景中带式输送机异物检测方法**

**研究背景与问题**
带式输送机是煤矿运输的关键设备，其运行安全直接关系到生产效率与人员安全。然而，在运行过程中，锚杆、大煤块等异物常被夹杂在煤流中，可能导致皮带跑偏、撕裂甚至火灾等事故。传统人工检查已无法满足大型输送机的检测需求，基于深度学习的实时目标检测成为主流方案。针对井下低光照、复杂背景的挑战，现有方法可分为三类：图像预处理加检测（如Retinex、GAN）、注意力或多任务网络结构改进、领域自适应或对抗方法。尽管这些方法在低光照和复杂场景下取得一定成效，但普遍存在计算开销大或依赖特定增强流程的问题。YOLOv11n作为轻量级基线模型，在平衡精度与速度方面表现优异，但在井下带式输送机异物检测这一具体场景中仍存在四个关键问题：其一，低光照导致有效信息熵退化，高熵背景噪声淹没低熵目标信号；其二，信息熵在不同尺度上分布不均，多尺度目标感知不足；其三，特征金字塔传递中信息熵损失，导致特征融合错位；其四，CIoU损失函数从相对熵角度对边界框几何中心约束不充分，回归精度不足。这些问题相互耦合，使得从高熵复杂场景中提取低熵目标信息变得困难。为此，研究人员开展了本研究。

**研究内容与结论**
研究人员在YOLOv11n基础上提出SIRI-YOLO模型，通过协同改进实现系统熵降低，提升井下异物检测性能。主要结论包括：引入SCINet恢复低质量图像信息熵，增强低光照适应性；将C2PSA模块增强为C2PSA-IRMB，融合局部细节与全局依赖以改善多尺度感知并减少无效熵增加；采用改进RepGFPN加强高层语义与低层空间特征融合，降低特征金字塔传递中的信息熵损失；引入Inner-MPDIoU损失函数，从KL散度角度精确约束边界框几何中心与角点位置，实现更准确的熵最小化。实验表明，SIRI-YOLO在自建数据集（CUMT-BelT）上mAP@50达到92.8%，参数量仅2.92M，帧率70.01 FPS；在公开ExDark数据集上相比基线提升4.2% mAP@50，具有强泛化能力。该论文发表在《Entropy》。

**关键技术方法**
为开展研究，研究人员主要使用了四个关键技术模块（样本队列来源：中国矿业大学智能检测与模式识别研究中心提供的CUMT-BelT数据集及部分公开数据，共2496张图像，含大煤块和锚杆两类；另使用公开ExDark低光照数据集共7363张图像用于泛化验证）：
1. **自校准光照网络（SCINet）**：基于Retinex理论，采用级联光照估计与自校正模块，多阶段渐进优化光照，恢复低光照图像信息熵。
2. **倒残差移动模块（IRMB）**：结合深度可分离卷积与多头自注意力，提取局部细节并建模全局依赖，增强多尺度特征利用效率。
3. **改进的重参数化广义特征金字塔网络（RepGFPN）**：保留C3k2模块以控制计算量，加强高层语义与低层空间特征的多尺度交互，减少特征金字塔传递中的信息熵损失。
4. **Inner-MPDIoU损失函数**：从相对熵角度直接约束预测框与真实框的四个角点坐标，实现更精确的几何对齐与熵最小化。

**研究结果**
**4.4 性能比较**：在自建数据集上与基线YOLOv11n对比，SIRI-YOLO在mAP@50、mAP@50:95、精确率、召回率上分别提升3.3%、1.1%、5.6%、1.6%。训练过程波动较大，归因于增强-融合-约束模块增加了特征学习与梯度优化的复杂度，但模型最终稳定收敛且性能更优。
**4.5 对比实验**：与主流模型（YOLOv3-tiny、YOLOv5n、YOLOv6n、YOLOv8n、YOLOv9s、YOLOv10n、YOLOv11n、RT-DETR-r18、Faster-RCNN、SSD、SDGW-YOLOv11）相比，SIRI-YOLO在mAP@50、mAP@50:95、精确率、召回率四项指标上均最高，分别为92.8%、59.4%、89.5%、87.2%，参数量2.92M，帧率70.01 FPS，在精度与轻量化之间取得良好平衡。可视化检测结果与热力图（EigenGradCAM）显示，SIRI-YOLO能有效聚焦异物区域，减少背景噪声干扰。在ExDark数据集上，mAP@50提升4.2%，证明其跨场景泛化能力。
**4.6 消融实验**：依次集成SCINet、IRMB、RepGFPN、InnerMPDIoU进行消融。单模块实验中，SCINet将mAP@50提升至90.0%，IRMB提升精确率至90.5%，RepGFPN使mAP@50升至91.2%，InnerMPDIoU使mAP@50达91.3%。双模块组合中，RepGFPN+InnerMPDIoU表现最佳（mAP@50 91.6%）。三模块组合（SCINet+IRMB+RepGFPN）将mAP@50提升至91.9%，最终四模块完整模型取得最优性能，验证了“输入恢复→特征增强→融合校正→边界精调”的渐进协同优化链的有效性。

**讨论与结论**
在讨论部分，研究人员指出各改进模块并非孤立提升性能，而是分别针对低光照输入退化、多尺度感知不足、特征金字塔融合错位、边界框回归不精确等“熵损失”问题，形成从输入增强到定位约束的渐进协同优化链。消融实验进一步揭示了模块间的互补与协同效应，例如RepGFPN放大了多尺度感知模块在缓解特征融合错位方面的作用。研究结论原文翻译如下：
(1)该模型通过SCINet模块增强低质量图像细节并恢复信息熵，通过C2PSA-IRMB模块融合局部与全局特征以提升多尺度感知并减少无效熵增加，通过改进RepGFPN加强特征融合以降低特征金字塔传递中的信息熵损失，并通过InnerMPDIoU损失函数从相对熵（KL散度）角度优化边界框回归精度以实现更准确的熵最小化。实验结果显示，SIRI-YOLO在mAP@50、mAP@50:95、精确率、召回率上分别达到92.8%、59.4%、89.5%和87.2%，相比基线YOLOv11n提升3.3%、1.1%、5.6%和1.6%，参数量仅为2.92M，帧率保持70.01 fps，在精度与轻量化之间取得良好平衡。
(2)与YOLOv3-tiny、YOLOv5n、YOLOv6n、YOLOv8n、YOLOv9s、YOLOv10n、YOLOv11n、RT-DETR-r18、Faster-RCNN、SSD及SDGW-YOLOv11等主流模型相比，SIRI-YOLO在mAP@50、mAP@50:95、精确率和召回率上均达到最佳性能，证明了其在高熵复杂场景中提取低熵目标信息方面的优越性。虽然参数量略有增加，但检测速度仍处于平均水平，表现出优异的综合性能。在公开ExDark低光照数据集上，SIRI-YOLO相比YOLOv11n在mAP@50上提升4.2%，展示了在不同低光照和复杂场景下的强泛化能力。
(3)该模型以较小的模型体积和更高的检测精度，有效应对了异物检测中光照不均匀、目标尺度显著变化和复杂背景等挑战。通过精确的异物检测实现系统熵降低，增强了煤矿工业系统的安全性和有序性。该模型适用于井下边缘计算平台部署，满足带式输送机异物检测对实时性和可靠性的双重需求。