基于少样本的边坡形变检测方法研究OA

煤矿边坡形变检测对煤矿环境管理和人员安全等至关重要。煤矿边坡形变即裂隙检测存在数据集图片稀少不足,背景复杂、裂隙大小形状各异等问题,这将导致检测结果精度低,针对这些问题提出了基于改进的YOLOv11边坡形变检测基本模型。在该模型中加入监督对比损失函数,提升泛化能力,解决了数据集图片稀少不足的问题;加入多尺度边缘增强模块MEEM,提高模型对复杂背景的适应能力,解决背景复杂问题;加入可变形大核注意力D-LKA,增强了对于目标形状和尺寸变化的适应能力,解决裂隙大小形状各异的问题。改进的模型在自建的数据集上的实验结果,表明改进算法相对于YOLOv11整体的准确率(Precision)提升了5.2%。