采矿与安全工程学报 ›› 2026, Vol. 43 ›› Issue (4): 947-959.doi: 10.13545/j.cnki.jmse.2025.0442
张锦旺1，王景政1，杨胜利1，黄田2
摘要： 基于YOLOv11n骨干网络，提出了一种改进的轻量化实时检测模型HDB-YOLO。该模型采用HS-FPN（High-level Screening-feature Fusion Pyramid Networks）颈部网络，可以实现不损失识别质量的同时轻量化模型结构，减轻计算量；以Dynamic卷积网络替换标准卷积网络，提升模型的识别精确率和泛化能力；引入BiFormer（Bi-level Routing Attention）注意力机制，增强模型的全局感受野并缓解了模块间的负协同效应。对比实验和消融实验结果表明：与YOLOv11n模型相比，改进后的模型精确率提升12.93％，召回率提升2.66％，F1提升7.83％，mAP@50和mAP@50.95分别相对于原模型提升2.90％和5.70％，而识别速度仅需3.2 ms。H-D-B（HS-FPN，Dynamic，BiFormer）组合后在红外场景下的煤和矸石识别均表现出了最为均衡的综合能力，改进后的模型结构对比其他YOLO系列模型（YOLOv5n-v11n）和RT-DETR，Faster-RCNN等非YOLO模型同样表现优异。
中图分类号:
