李海滨，孙 远，张文明，李雅倩

基于YOLOv4-tiny的溜筒卸料煤尘检测方法

李海滨1,2，孙 远1*，张文明2，李雅倩2

1燕山大学电气工程学院，河北 秦皇岛 066004；2燕山大学工业计算机控制工程河北省重点实验室，河北 秦皇岛 066004

煤炭港在使用装船机的溜筒卸载煤的过程中会产生扬尘，港口为了除尘，需要先对粉尘进行检测。为解决粉尘检测问题，本文提出一种基于深度学习(YOLOv4-tiny)的溜筒卸料煤粉尘的检测方法。利用改进的YOLOv4-tiny算法对溜筒卸料粉尘数据集进行训练和测试，由于检测算法无法获知粉尘浓度，本文将粉尘分为四类分别进行检测，最后统计四类粉尘的检测框总面积，通过对这些数据做加权和计算近似判断粉尘浓度大小。实验结果表明，四类粉尘的检测精度(AP)分别为93.98%、93.57%、80.03%和57.43%，平均检测精度(mAP)为81.27%，接近YOLOv4的83.38%，而检测速度(FPS)为25.1，高于YOLOv4的13.4。该算法较好地平衡了粉尘检测的速率和精度，可用于实时的粉尘检测以提高抑制溜筒卸料产生的煤粉尘的效率。

煤粉尘检测；YOLOv4-tiny；深度学习；目标检测

1 引 言

近年来，随着大众环保观念的提高以及环保政策的收紧，如何有效减少或者快速抑制生产过程中产生的粉尘不仅成为了煤炭港口必须面对的问题，而且是煤炭港口清洁生产的首要任务[1]。港口的装船机通过溜筒卸载煤料到货船是整个生产环节的最后一环，各大煤炭港口在前面的生产环节里采用了诸如防风抑尘网、干式除尘系统、堆场洒水及单机洒水、干雾除尘、筒仓储煤、翻车机底层……