摘要：煤矸分选机器人对煤矿智能化发展意义重大，煤矸识别是煤矸分选机器人的核心技术，针对传统识别技术面对高噪声、运动模糊等复杂工况时，存在识别效率低、准确性不足的问题。提出一种基于SegFormer-CG的煤矸石识别技术，以提升识别的实时性和准确率。该模型的编码器采用SegFormer 的Transformer架构提取多尺度特征，采用轻量级的MiT-B0作为编码器，解码器设计融合模块增强语义分割性能。在解码器的C1，C2，C3特征图后引入瓶颈模块（Bottleneck）增强模型特征提取能力，并采用深度可分离卷积（Depthwise Separable Convolution， DSConv）与全维度动态卷积（Omni-Dimensional Dynamic Convolution， ODConv）改进瓶颈模块，降低参数量与计算量；同时在C4特征图引入空洞空间金字塔池化（Atrous Spatial Pyramid Pooling， ASPP）模块，并采用深度可分离卷积和5×5卷积对ASPP改进，提升模型多尺度融合能力；在C3，C4特征图后加入交叉注意力机制（Criss-Cross Attention， CCA）使模型聚焦于关键信息，加强模型关键特征提取能力。训练采用两阶段迁移学习策略，先冻结主干网络进行50轮特征适配训练，再解冻全局参数优化，有效增强模型对煤矸图像的泛化能力。实验结果表明SegFormer-CG模型的精确率（Precision）达到96.39%，召回率（Recall）达到96.29%，平均交并比（mean Intersection over Union，mIoU）达到93.03%，相较原模型精确率提升1.32%，召回率提升0.59%，平均交并比提升1.73%。参数量（parameters，Params）为5.14M，浮点计算量（Floating Point Operations，FLOPS）为5.9G，每秒帧数（Frames Per Second，FPS）为50.92 f·s-1。与其他常见模型如PSPNet、DeepLabV3+和Unet对比，SegFormer-CG模型均取得更优秀的识别效果，且在参数量，浮点计算量都有明显优势。在加噪、运动模糊和低光照的复杂工况下仍保持稳定识别效果，且对新疆、陕西矿区样本具有泛化能力。为选矸机器人高效识别提供了可靠技术支持。
文章目录
1 SegFormer-CG模型概述
1.1 SegFormer模型结构
1.2 瓶颈模块
1.3 空洞空间金字塔池化
1.4 交叉注意力
1.5 SegFormer-CG模型
2 数据采集与处理
3 实验结果与分析
3.1模型训练
3.2性能评价指标
3.3添加不同瓶颈模块实验结果
3.4添加不同注意力机制实验结果
3.5添加不同空间池化结构实验结果
3.6 消融实验
3.7不同煤矸语义分割模型对比分析
3.8识别效果对比
3.9鲁棒性测试
3.10泛化性测试
4结论
