煤矸分选作为煤炭清洁高效利用的源头和关键环节，对提升煤炭产品质量、减少环境污染以及实现“双碳”目标具有重要意义^[1-2]. 传统煤矸分选方法主要有重介质法^[3]、跳汰法^[4]和浮选法^[5]，存在操作复杂、资源浪费和环境污染等问题.

中国选煤行业已基本实现由传统机械化到智能化的过渡，常用的煤矸智能识别方法主要有红外法^[6]、射线法^[7]、多光谱法^[8]和图像法^[9]. 红外法根据主动红外热激励实现煤矸识别，介质的热激励会耗费大量时间，容易产生安全隐患^[10]. 射线法根据煤矸对射线吸收能力的衰减程度识别煤矸，存在射线泄露的风险 ^[11]. 多光谱法根据反射光谱曲线因煤矸组成成分不同在相同波段的波形特征不同实现煤矸识别，容易受杂散光干扰，扫描速度较慢^[12]. 图像法因具备操作方便、准确性高、适应性强等优点，在煤矸识别中逐渐成为研究热点^[13]. 李娟莉等^[14]通过在单步多框目标检测（single shot multibox detector, SSD）模型中引入深度可分离卷积和多分支卷积模块，提出基于DSR-SSD的煤矸快速识别模型，在减少参数量的同时提高了模型的检测精度和检测速度. Lv等^[15]基于深度卷积神经网络（convolutional neural networks, CNN）设计级联检测网络，通过设置多通道特征融合层，优化神经网络的损失函数和分类器，有效提高了级联网络对煤矸的检测精度. 韦小龙等^[16]通过在YOLOv7模型中引入跨阶段部分网络、递归特征金字塔和可切换卷积，提出基于CSPNet-YOLOv7的煤矸图像识别模型，较好平衡了模型的检测精度与检测速度. Xue等^[17]通过对YOLOv3模型进行骨干特征提取网络轻量化、特征尺度缩减和非结构化剪枝，提出基于ResNet18-YOLO的煤矸检测模型，该模型在保持检测精度的同时具备更好的实时性和轻量性. 郜亚松等^[18]在MobileNetV3模型的基础上采用卷积注意力模块（convolutional block attention module, CBAM），在训练过程中采用复杂图像增强技术，提出轻量级深度煤矸识别网络模型，实现了煤矸的精准识别. 徐志强等^[19]基于CNN建立煤矸识别模型，通过模型剪枝操作提高了检测精度，降低了模型复杂度并节省了计算资源. Xin等^[20]引入挤压激励网络（squeeze-and-excitation networks, SE）注意力机制^[21]、三维扩张卷积和可变卷积网络（deformation convolutional networks, DCN），提出S3DD-YOLOv8煤矸检测模型，该模型能够在不同光照条件下有效检测煤矸. Wang等^[22]提出具有多尺度目标语义特征表征能力的煤矸目标检测网络TSNet_DCG，通过在解码器中添加门控注意力机制和通道注意力机制（channel attention, CA），增强了模型的全局特征表征能力和检测效果. Cao等^[23]以MobileNetV3-small为基本框架，通过采用三元组注意力机制模块和CeLU激活函数对模型特征提取部分进行重构，提出面向嵌入式设备的煤矸检测模型，在提高检测精度的同时降低了模型复杂程度.

本研究针对复杂相似背景下的煤矸视觉感知模型的精准识别及定位问题，提出煤矸目标检测模型（ECC-YOLO）来提升煤矸目标的检测精度与环境适应性，同时构建融合自适应中值滤波与梯度增强的煤矸边缘检测算法以实现矸石图像的精准分割与形心定位.

为了实现煤矸的精准高效分选，提出复杂相似背景下的煤矸识别分割定位技术，流程如图1所示. 1）通过实验室煤炭智能分选装备实时采集煤矸图像用以构建本研究所需数据集；2）将自制煤矸数据集中的训练集输入ECC-YOLO进行检测训练，完成对煤矸目标的实时检测；3）运用所建算法对提取出的单个矸石的锚框图像进行边缘提取，通过形态学操作获取最终矸石轮廓区域，得到矸石的实际形心位置. 煤矸的精准分离通过喷嘴吹射形心或采用外接矩形控制多喷嘴响应实现.

为了降低复杂相似背景对于煤矸识别的干扰，引导目标检测模型将目标感知区域聚焦于煤与矸石，设计如图2所示的高效多尺度挤压激励注意力机制（efficient multi-scale and squeeze-and-excitation attention module, ESAM）. 图中，C、H、W分别为输入特征图的通道数、宽度和高度；C/r表示控制通道压缩的程度，r为缩减比率；C//G表示每组中的通道数，通过整除运算，确保均匀分组；G为分组数. ESAM的设计借鉴了倒残差移动模块（inverted residual mobile block，iRMB）^[24]的思想，以倒残差模块（inverted residual block，iRB）^[25]为底层模块进行扩展. iRB是在轻量化网络中使用的特征提取模块，通过结合深度可分离卷积来减少参数量和降低计算量. 在倒残差模块的基础上，ESAM在经过卷积归一激活层（convolution-batchnorm-silu, CBS）后添加高效多尺度注意力（efficient multi-scale attention，EMA）模块^[26]以聚合不同尺度的上下文信息. 在EMA模块中，输入图像先进行分组，再通过不同分支进行处理：在1×1分支中分别沿X方向和Y方向对通道进行一维全局平均池化（global average pooling, GAP）操作，在3×3分支中通过3×3卷积捕获多尺度特征表示. 2个分支的输出特征采用Sigmoid函数和归一化操作进行调制，最终通过跨维度交互模块合并来捕获像素级的成对关系. 在深度可分离卷积归一激活层（depthwise batchnorm-silu, DBS）后添加SE注意力模块以提高特征判别能力，从而进一步提取煤矸目标的关键特征信息. 在SE注意力模块中，对每个通道C的输入特征采用挤压操作，通过全局平均池化实现对空间维度的压缩，从而捕获每个通道的全局特征；对挤压操作中聚集的特征信息采用激励操作，通过2个全连接层（fully connected layer，FC）构建通道间的相关性以提高特征的可辨别性；将Sigmoid函数生成的权重加权到每个通道的特征上，确保提高对信息特征的敏感性，并抑制非重要特征. 添加2条跳跃连接以权衡模型成本与准确性，跳跃连接可使模块直接从较低层次提取的特征中获取信息，减轻了梯度消失问题，也保留了更多的空间信息. ESAM结合了EMA模块和SE注意力机制的优势，在增强多尺度特征表达的同时更加关注煤矸自身的重要特征信息，从而提高模型的检测精度.

特征上采样是深度学习网络中的关键操作，它将特征图的空间尺寸恢复到原始输入尺寸，以增加特征图的分辨率. 原始YOLOv5算法特征融合网络上采样部分采用最近邻插值法，存在锯齿效应会影响图像的真实性和准确性，为此本研究采用内容感知特征重组（content-aware reassembly of features，CARAFE）模块^[27]代替路径聚合网络中的最近邻插值. CARAFE模块具有较大的感受野，能够在不改变特征图尺寸的基础上增强分辨率和语义信息，从而提高模型对煤矸特征的检测精度，同时该模块的计算量较小，保持了轻量化的特性. 如图3所示，CARAFE模块分为核预测模块和内容感知重组模块. 在核预测模块中，尺寸为$ H \times W \times C $的输入特征图通过1×1卷积层后通道数压缩至$ {C_{\text{m}}} $，以减少参数量和计算量；利用$ {k_{{\text{up}}}} \times {k_{{\text{up}}}} $的卷积层对特征进行内容编码以生成重组核，得到尺寸为$ {\sigma ^2} \times k_{{\text{up}}}^2 $的特征图；将通道在空间维度上展开，得到尺寸为$ \sigma H \times \sigma W \times k_{{\mathrm{up}}}^2 $的上采样核；利用softmax进行归一化操作，使上采样核权值和为1. 在内容感知重组模块中，以目标为中心在输出特征图中的每个位置取出尺寸为$ {k_{{\text{up}}}} \times {k_{{\text{up}}}} $的区域，与预测得到的该点上采样核进行点积运算并映射回输入特征图，最终得到尺寸为$ \sigma H \times \sigma W \times C $的特征图. CARAFE模块依据网络结构实现过程如下：1）利用输入特征图预测每个目标位置的重组核，使得输入特征图在上采样后更好地保留原始图像的细节信息；2）利用预测的重组核对特征图进行重组，通过特征整合与重建提高特征图的质量，减少伪影和模糊，使得上采样后的特征图更加清晰准确. 这2个步骤能够提高上采样时的重要特征检测性能，从而使模型对煤矸特征的提取能力增强.

采用全卷积掩码自编码器网络（co-designing and scaling ConvNets with masked autoencoders, ConvNeXtV2）^[28]替换YOLOv5s骨干部分末端的2个C3模块，以更好捕获煤矸图像中的关键信息，提高模型的泛化能力. ConvNeXtV2在纯卷积神经网络的基础上融合了自监督学习技术和架构改进，网络架构主要分为2个部分：1）将全卷积掩码自编码器（full convolutional masked autoencoders，FCMAE）框架添加到ConvNeXt架构中，使通道间的特征竞争能力增强；2）在维度扩展MLP层后添加全局响应归一化（global response normalization，GRN）层以提高模型训练稳定性，同时删除层缩放以简化模型结构，提高卷积神经网络在煤矸目标检测基准上的性能. FCMAE采用全卷积结构处理带有掩码的煤矸图像数据，避免了传统自编码器中使用的全连接层带来的计算复杂度和空间限制，保持了较高的计算效率；GRN层在卷积块中引入全局响应归一化层，增强了模型处理信息时的通道间竞争，提高了特征表达的质量以及模型的整体表现和泛化能力.

在多种工业化目标检测任务中，YOLO模型均具有突出表现，但在面向复杂相似背景下的煤矸目标检测时，模型的检测性能急剧下降. 本研究采用ESAM、CARAFE、ConvNeXtV2优化YOLOv5s算法，以提升模型的检测性能，所提模型的整体架构如图4所示. ECC-YOLO主要由输入端、骨干部分、颈部部分和检测头部4部分组成. 输入端采用Mosaic数据增强方法对煤矸图像进行随机缩放、裁剪与仿射变换等处理，目的是提升模型对目标尺度变化、视角变化和背景干扰等因素的鲁棒性. 骨干部分在每个C3模块的后面嵌入ESAM，将骨干部分后端的C3×9和C3×3模块替换为ConvNeXtV2，以实现对输入煤矸图像的特征提取，进行深层次的卷积操作，提取到的煤矸特征具有较高的语义信息. 颈部部分采用CARAFE替换路径聚合网络中的最近邻插值，有效利用低分辨率煤矸特征图像信息增强煤矸特征表达能力，从而提高模型对煤矸特征的检测精度. 检测头部3个检测层分别对应颈部3种不同尺寸的煤矸特征图，用于输出检测框的位置信息和分类信息，通过完全交并比损失函数（complete intersection over union, CIOU）与非极大值抑制算法（non-maximum suppression，NMS）筛选出最优检测框，得到最终检测结果.

由于模型输出的目标检测框的中心不是物体的实际中心，这个实际中心为煤矸在三维空间的质心. 获取煤矸质心的难度极大，本研究采用形心代替质心位置驱动控制，提出融合自适应中值滤波与梯度增强的煤矸边缘检测算法. 基于Canny算法^[29]，本研究分别引入自适应中值滤波算法、梯度增强和自适应检测阈值算法^[30]. 自适应中值滤波算法能够改善矸石锚框图像的去噪效果，添加45°和135°方向的3×3梯度算子进行梯度增强，采用自适应检测阈值算法得到矸石锚框图像的最佳阈值.

对矸石锚框图像降噪滤波的同时保持矸石轮廓边缘特征是精准定位矸石的重要前提. Canny算法主要采用高斯滤波降噪以降低伪边缘的识别，除高斯滤波外常用的滤波方法有双边滤波、均值滤波，这些方法去除常见噪声类型的效果较好，去除高概率噪声的效果不佳，且易模糊图像边缘. 本研究采用自适应中值滤波算法兼顾去噪作用与保护细节信息的效果. 自适应中值滤波算法能够根据图像中每个像素点的邻域信息动态地调整滤波窗口的大小，计算每个滤波窗口的像素最小值、最大值和中值，根据三者之间的差异判断当前像素是否处于噪声区域内. 如果当前像素处于噪声区域，使用邻域像素的中值代替原像素，反之不做处理，以实现对噪声的有效滤除.

传统的梯度幅值通过计算2×2邻域内x方向与y方向的梯度增强图像梯度，由于矸石轮廓大多为椭圆弧形边缘，在斜分量上的响应占比较大，为了便于选取中心像素点，采用窗口为3×3的索贝尔（Sobel）算子替换原梯度计算方法，同时将梯度方向扩展为4个：x、y、45°和135°，Sobel算子梯度方向模板如图5所示. 通过Sobel算子梯度方向模板对滤波后的矸石图像进行卷积操作，得到4个方向的梯度幅值. 设$ I(x,y) $为像素点$ (x,y) $处的灰度值，$ {g_{{x}}} $、$ {g_{{y}}} $、$ {g_{{\text{45}}}} $、$ {g_{{\text{135}}}} $分别为像素点$ \left( {x,y} \right) $处沿x、y、45°、135°方向边缘检测的灰度值，

(1)$ \begin{split} {g_{{x}}}(x,y) = &((I(x - 1,y+1)+2I(x,y+1)+ \\ &{I(x+1,y+1)) - (I(x - 1,y - 1)} + \\&{2I(x,y - 1)} +I(x+1,y - 1))), \end{split} $

(2)$ \begin{split} {g_{{y}}}(x,y) =& ((I(x+1,y - 1)+2I(x+1,y)+ \\ &{I(x+1,y+1)) - (I(x - 1,y - 1)} + \\ &{2I(x - 1,y)} +I(x - 1,y+1))), \end{split} $

(3)$ \begin{split} {g_{{\text{45}}}}(x,y) =& ((I(x+1,y)+2I(x+1,y+1)+ \\ &{I(x,y+1)) - (I(x,y - 1)} + \\&{2I(x - 1,y - 1)} +I(x - 1,y))), \end{split} $

(4)$ \begin{split} {g_{{\text{135}}}}(x,y) =& ((I(x,y - 1)+2I(x+1,y - 1)+ \\ &{I(x+1,y)) - (I(x - 1,y)} + \\&{2I(x - 1,y+1)} +I(x,y+1))). \end{split} $

将45°和135°方向梯度值分别投影到x、y方向上，通过叠加运算得到增强后的x、y轴梯度值：

(5)$ {G_{{x}}}(x,y) = {g_{{x}}}(x,y)+\frac{{\sqrt 2 }}{2}{g_{{\text{45}}}}(x,y) +\frac{{\sqrt 2 }}{2}{g_{{\text{135}}}}(x,y), $

(6)$ {G_{{y}}}(x,y) = {g_{{y}}}(x,y)+\frac{{\sqrt 2 }}{2}{g_{{\text{45}}}}(x,y) +\frac{{\sqrt 2 }}{2}{g_{{\text{135}}}}(x,y). $

设$ A(x,y) $为像素点$ (x,y) $处的梯度幅值，$ \theta (x,y) $为梯度方向，计算式分别为

(7)$ A(x,y) = \sqrt {{G_{{x}}}{{(x,y)}^2}+{G_{{y}}}{{(x,y)}^2}} , $

(8)$ \theta (x,y) = \arctan \left({{{G_{{y}}}}}/{{{G_{{x}}}}}\right). $

Canny算法在边缘连接时的高、低阈值主要通过人工选取确定，选取的阈值可能无法适应不同图像的特性；为了获得最佳的边缘检测效果，须多次测试不同的阈值组合，增加了调试的复杂性，不利于图像的高效处理. 自适应检测阈值算法根据图像的灰度直方图信息自动的确定高、低阈值. 灰度图像大小为$ M \times N $，灰度级的像素点数为$ {n_{{i}}} $，灰度级对应的概率$ {P_{{i}}} = {n_{{i}}}/ (M \times N) $；根据阈值将输入图像的灰度级划分为2个类别：$ {C_0} $和$ {C_1} $，其中$ {C_0} $类为灰度级为$ [0,t] $的像素点，$ {C_1} $类为灰度级为$ [t+1,L - 1] $的像素点，t为灰度级阈值，L为最大灰度级. 像素属于$ {C_0} $和$ {C_1} $的概率设为$ {P_0}(t) $和$ {P_1}(t) $，平均灰度级设为$ {u_0}(t) $和$ {u_1}(t) $，则有

(9)$ {P_0}(t) = \sum\limits_{i = 0}^t {{P_{{i}}}} , $

(10)$ {P_1}(t) = 1 - {P_0}(t), $

(11)$ {u_0}(t) = \sum\limits_{i = 0}^t {\left(i\frac{{{P_{{i}}}}}{{{P_0}(t)}}\right)} , $

(12)$ {u_1}(t) = \sum\limits_{i = t+1}^{L - 1} {\left(i\frac{{P_i}}{{{P_1}(t)}}\right)} . $

图像的类间方差的计算式为

(13)$ \sigma (t) = {P_0}(t)u_0^2(t)+{P_1}(t)u_1^2(t). $

当类间方差值最大时为最优阈值，计算式为

(14)$ {T_{\text{h}}} = \mathop {\arg \max }\limits_{1 \leqslant i \leqslant L} \{ {P_0}(t)u_0^2(t)+{P_1}(t)u_1^2(t)\} . $

低阈值为$ {T_{\text{l}}} = {T_{\text{h}}}/2 $.

实验材料取自于安徽省淮南市张集煤矿，物料粒径分布为（5, 150）mm；实验装置为安徽理工大学与安徽中科光电色选机械有限公司联合研制的煤矸智能分选装备. 如图6所示，实验装置由可见光成像系统、光源控制器、皮带机、分离室和控制器组成. 在采集煤矸图像时，皮带机的初始速度设置为0.4 m/s，通过调节光源控制器将可见光成像系统区域光强调整在2 500（+20） lx，彩色CMOS工业面阵相机帧率为35 帧/s、分辨率为2 448×2 048，工况机与工业相机之间采用USB3.0接口通信，显示采集画面并保存图像. 为了保证采集煤矸图像的多样性，通过调节光源照度大小，煤和矸石摆放位置、大小、数量以及皮带机带速等组合方式最终采集煤矸图像1 634张.

如图7所示，为了提高目标检测模型的检测性能与泛化能力，对采集到的煤矸图像数据进行扩充，通过ImgAug3.2数据增强软件对原始煤矸图像进行随机池化、随机旋转、随机噪声、随机亮度和随机对比度的操作. 扩充后的数据集由9 804张煤矸图像组成，包括原始图像1 634张和增强图像8 170张. 利用LabelImg图像标注软件对获取的8 170张图片进行手工标注（采用最小矩形框逐一框选每张图片上的煤矸图像），Coal和Gangue为检测目标的标签，将标注好的数据集保存为Pascal VOC格式的XML文件，按照8∶2的比例将数据集随机划分为训练集和验证集，分别用于模型的训练及测试.

基于AutoDL AI算力云服务器平台对所有算法进行训练及测试，中央处理器型号为Intel(R) Xeon(R) Platinum 8255c，图形处理器型号为NVIDIA GeForce RTX 3090，加速环境为CUDA11.3，语言环境为Python3.8，深度学习框架为PyTorch1.11.0. 设置图像输入尺寸为640×640像素，学习率初始值为0.01，训练批量大小为32，训练迭代轮次为300.

实验评估指标主要有参数数量$N_{\mathrm{P}} $、浮点运算量FLOPs、层数$N_{\mathrm{L}} $、精确率P、召回率R、平均精度AP、平均精度均值mAP、F1值和平均检测速度v，$ {\text{mA}}{{\text{P}}_{{\text{0}}{\text{.5}}}} $为交并比阈值为0.5的平均精度均值，$ {\text{mA}}{{\text{P}}_{{\text{0}}{\text{.5:0}}{\text{.95}}}} $为交并比阈值从0.50到0.95（步长为0.05）的多个平均精度的均值，计算式分别为

(15)$ P = {\text{TP}}/({\text{TP}}+{\text{FP}}), $

(16)$ R = {\text{TP}}/({\text{TP}}+{\text{FN}}), $

(17)$ {\text{AP}} = \int_0^1 {P(R)} {\mathrm{d}}r, $

(18)$ {\text{mAP}} = \frac{1}{n}\sum\limits_{i = 1}^n {\mathrm{AP}}_i , $

(19)$ {\mathrm{F}}1 = 2\frac{{P \times R}}{{P+R}}, $

(20)$ {{v}} = {{{n_{\text{f}}}}}/{{{t_{\text{t}}}}}. $

式中：$ {\mathrm{TP}} $为将正样本预测为正确的目标数量，$ {\mathrm{FP}} $为将负样本预测为正确的目标数量，$ {\mathrm{FN}} $为将正样本预测为错误的目标数量，$ n $为目标类别数，$ {\mathrm{AP}}_i $为第$ i $种类别的平均精度值，n_f为检测到的图像总数；t_t为总检测时间.

为了验证ESAM的综合检测性能，在保持相同的训练环境情况下，在YOLOv5s模型骨干部分每个C3模块后面的相同位置处分别添加不同的注意力机制进行模型对比实验，结果如表1所示. 由表可知，+ESAM模型的平均精度均值最高，为87.7%. 分析原因，ESAM融合了EMA模块和SE注意力机制，使得层数最高为305，同时深度可分离卷积模块减少了模型的参数量与计算量，该模型的参数量较低，仅高于增加高效通道注意力机制（efficient channel attention, ECA）模型.

Grad-CAM是基于梯度的可视化方法，通过计算特征图的梯度生成热力图以直观展示模型对不同区域的关注程度. 如图8所示，采用Grad-CAM热力图对ESAM的有效性进行可视化分析. 颜色越深表示该区域给予的特征权重越大，颜色越浅表示该区域给予的特征权重越小. 可以看出，YOLOv5s模型赋予背景部分一定权重，检测结果容易出现误判，ECC-YOLO只关注煤矸区域的特征提取，较少关注背景部分.

进行目标检测模型的模块消融实验，验证优化策略的有效性，实验结果如表2和图9所示，图中，N_i为迭代次数，模型A为未采取任何优化策略的YOLOv5s模型. 1）在模型A的基础上于骨干部分每个C3模块后面嵌入ESAM后，模型B的平均精度均值明显提升，在阈值为0.50时，平均精度均值由84.5%提升至87.7%，在阈值为0.50：0.95时，平均精度均值由56.5%提升至59.1%，精确率由84.4%提升至85.3%，召回率由76.8%提升至81.4%，表明ESAM可以有效增强模型的多尺度特征表达能力与聚焦目标重要特征，提升模型的检测精度. 2）在模型B的基础上于颈部部分采用CARAFE替换路径聚合网络中的最近邻插值后，模型C的平均精度均值得到提升，在阈值为0.5时，平均精度均值由87.7%提升至88.3%，在阈值为0.50：0.95时，平均精度均值由59.1%提升至60.1%，精确率由85.3%提升至87.2%，召回率由81.4%提升至81.8%，表明CARAFE可以实现模型计算效率与特征融合能力的同步提升. 3）在模型C的基础上采用ConvNeXtV2替换骨干部分末端的2个C3模块后，模型D的平均精度均值略微提升，在阈值为0.5时，平均精度均值由88.3%提升至89.0%，在阈值为0.50：0.95时，平均精度均值由60.1%提升至60.6%，精确率由87.2%提升至87.6%，召回率由81.8%提升至82.5%，表明ConvNeXtV2可以有效提升模型对目标多尺度特征的提取能力.

为了验证ECC-YOLO的综合检测性能，基于同一煤矸数据集和网络模型训练环境，选取YOLOv5s、YOLOv7-tiny、YOLOv8s、SSD、DETR共5种检测模型与ECC-YOLO开展对比实验，结果如表3所示. 由表可知，ECC-YOLO的平均精度均值最高，比对比模型分别高出4.5、2.0、1.8、1.4与1.5个百分点. 在准确率和召回率方面，ECC-YOLO的表现最佳. 在参数量和运算量方面，SSD和DETR远高于其他4种检测模型，表明这2种模型复杂程度较高，难以高效部署于移动端或嵌入式系统中；在剩余4种检测模型中，ECC-YOLO高于YOLOv5s和YOLOv7-tiny，但低于YOLOv8s，说明相对适中的模型复杂程度能够在保持较高检测精度的同时不降低检测速度，更加适用于煤矸实时检测任务. 在检测速度方面，ECC-YOLO的检测速度为89.29 帧/s，高于YOLOv8s和DETR，低于YOLOv5s、YOLOv7-tiny和SSD，仍充分满足煤矸实时检测的需求. 综上所述，ECC-YOLO在平均检测精度、平均检测速度和模型复杂程度方面均表现良好，在参与对比的模型中综合检测性能最佳.

如图10所示，为了直观对比YOLOv5s与ECC-YOLO在煤矸图像上的检测效果，选取部分预测结果进行可视化分析. 可以看出，YOLOv5s在面对复杂相似背景下的煤矸识别时会出现误检和预测框不准确的现象，ECC-YOLO能够准确识别出煤和矸石，未出现误检和预测框不准确的现象. 结果表明，ECC-YOLO具有优良的检测效果.

在进行煤矸分离时，喷嘴吹射矸石，煤经自由下落至前置运煤输送带上，矸石经喷嘴吹射至后置运矸输送带上，因此只需对ECC-YOLO识别出的矸石进行分割与定位. 本研究采用融合自适应中值滤波与梯度增强的煤矸边缘检测算法对提取的矸石锚框图像进行轮廓检测，将该算法检测效果与Canny边缘检测算法、Prewitt边缘检测算法^[31]、最大熵阈值分割算法（KSW）^[32]和大津算法（OTSU）的检测效果进行对比，结果如图11所示. 矸石图像分割属于复杂背景的分割问题，由于矸石内部存在灰度值的不均匀变化，造成前景与背景边界处灰度值的不稳定，矸石边缘难以检测和矸石部分图像信息丢失的问题. 由图可以看出，Canny和Prewitt提取边缘特征的完整性较差，部分边缘信息存在丢失现象；KSW和OTSU会丢失矸石的部分图像信息，因此难以采用阈值分割方法进行处理；本研究算法对于边缘提取的完整程度明显优于对比算法，能够将矸石图像部分微弱的边缘信息准确检测出来.

在采用融合自适应中值滤波与梯度增强的煤矸边缘检测算法对提取出的矸石锚框图像进行轮廓检测后，须通过一系列形态学操作将最终的矸石轮廓区域分割出来，以便于后续对于矸石的精准定位. 如图12所示为矸石图像分割流程，1）将矸石边缘检测结果进行膨胀操作，以获取更完整的矸石轮廓；2）由于连通域中存在大量孔洞，将膨胀结果进行填充连通域操作，使矸石内部区域孔洞全部填充，矸石轮廓更加完整；3）为了去除轮廓区域附近较大面积的白色斑点，对填充连通域结果进行腐蚀操作；4）对腐蚀结果进行去除杂散连通域操作，以去除杂散边缘面积较小的连通域，保留像素面积最大的连通域. 经过上述操作后，将分割结果在原图上进行标记，发现原图上矸石的边缘与标记连通域的边缘几乎重合，表明分割效果良好.

获得分割后的完整矸石目标后，将融合自适应中值滤波与梯度增强的煤矸边缘检测算法的分割结果与Picwish图像分割助手集成的人工智能方法的分割结果进行对比. 分别采用本研究算法和人工智能分割算法得到矸石目标的像素面积和形心坐标. 以人工智能分割算法的结果为参考标准，分别得到轮廓像素面积误差与形心坐标误差，计算式分别为

(21)$ {E_{\text{a}}} = {{\left| {{A_{\text{m}}} - {A_{\text{t}}}} \right|} \mathord{\left/ {\vphantom {{\left| {{A_{\text{m}}} - {A_{\text{t}}}} \right|} {{A_{\text{t}}}}}} \right. } {{A_{\text{t}}}}} \times 100{\text{%}} , $

(22)$ {E_{{x}}} = {{\left| {{X_{\text{m}}} - {X_{\text{t}}}} \right|} \mathord{\left/ {\vphantom {{\left| {{X_{\text{m}}} - {X_{\text{t}}}} \right|} {{X_{\text{t}}}}}} \right. } {{X_{\text{t}}}}} \times 100{\text{%}} , $

(23)$ {E_{{y}}} = {{\left| {{Y_{\text{m}}} - {Y_{\text{t}}}} \right|} \mathord{\left/ {\vphantom {{\left| {{Y_{\text{m}}} - {Y_{\text{t}}}} \right|} {{Y_{\text{t}}}}}} \right. } {{Y_{\text{t}}}}} \times 100{\text{%}} , $

(24)$ {E_0} = \sqrt {E_{{x}}^{\text{2}}+E_{{y}}^{\text{2}}} . $

式中：$ {E_{\text{a}}} $、$ {E_{{x}}} $、$ {E_{{y}}} $和$ {E_0} $分别为像素面积误差、$ x $坐标误差、$ y $坐标误差和总坐标误差，$ {A_{\text{m}}} $为测量像素面积，$ {A_{\text{t}}} $为实际像素面积，$ {X_{\text{m}}} $为测量$ x $坐标值，$ {X_{\text{t}}} $为实际$ x $坐标值，$ {Y_{\text{m}}} $为测量$ y $坐标值，$ {Y_t} $为实际$ y $坐标值. 2种算法的定位对比结果如图13所示，其中$ N $为选取的矸石图像样本数量，$E $为误差，$A $为像素面积. 可以看出，x坐标误差最大为样本25，最大误差率为1.304%；y坐标误差最大为样本13，最大误差率为1.126%；总坐标误差最大为样本13，最大误差率为1.491%；像素面积误差最大为样本25，最大误差率为1.796%，误差率均不超过2%，对矸石具有较高的定位精度.

如图14所示，ECC-YOLO输出的检测煤矸图像显示了每个目标锚框的中心点，只需计算目标形心点对于锚框中心点的偏移量$ \Delta x $和$ \Delta y $，再给予反馈修正，就可求得目标形心点在整张图像上的位置. 精准得到矸石的形心位置后，即可通过喷嘴吹射形心或采用外接矩形控制多喷嘴响应实现煤矸精准分离.

（1）提出可适应复杂相似背景的煤矸目标检测模型ECC-YOLO，该模型在自制煤矸检测数据集中的平均精度均值为89.0%，精确率为87.6%，召回率为82.5%，平均检测速度为89.29帧/s，能够快速准确地识别煤和矸石，适用于煤矸实时检测任务.

（2）采用ESAM、CARAFE、ConvNeXtV2模块优化在原YOLOv5s模型，提升了检测模型的性能. 相比YOLOv5s、YOLOv7-tiny、YOLOv8s、SSD和DETR，ECC-YOLO在平均检测精度、平均检测速度和模型复杂程度方面表现良好，综合检测性能最佳.

（3）构建融合自适应中值滤波与梯度增强的煤矸边缘检测算法，对比Canny、Prewitt、KSW和OTSU算法，该算法的对于边缘提取的完整程度最佳. 该算法像素面积与形心坐标的最大误差率分别为1.491%和1.796%，对矸石具有较高的定位精度，能够实现精准的矸石图像分割和形心定位.

（4）在实际应用中，煤矸分选效率以及硬件设备成本对模型的速度和体积要求更加严格，未来计划开展轻量化算法研究以降低计算与储存成本，提高模型响应能力以适应实时性要求更高的应用场景.