科学技术与应用

基于 YOLOv8 和 SE 注意力机制的智能识别矿物质检测系统

时 小芳

广东理工学院

杨 志远

广东理工学院

王 硕旋

广东理工学院

DOI: https://doi.org/10.59429/kxjsyy.v2i5.12008

Keywords: 矿物识别；YOLOv8；SE 注意力机制；深度学习；目标检测

---

Abstract

针对传统矿物识别方法存在的准确率和效率问题，本研究提出一种基于 YOLOv8 的深度学习模型，并结合注 意力机制以提升矿物自动识别的准确性和速度。该模型通过引入通道注意力和空间注意力模块，有效增强了特征提 取能力，使得网络能够更加关注于矿物的关键特征信息，从而提高了识别精度。实验结果显示，与传统 YOLO 系列 模型相比，加入注意力机制的 YOLOv8 在多个标准矿物数据集上均表现出更高的 mAP（平均精确度均值）和更低 的推理时间，证明了其在矿物识别任务上的有效性和先进性。本研究不仅为矿物快速准确识别提供了新的技术方案， 也为其他领域的目标检测任务提供了参考，展示了深度学习和注意力机制结合的强大潜力。

---

References

[1] 郭娟，崔荣国，周起忠等. 2023 年中国矿产资源形势回顾与展望[J]. 中国矿业，2024,33(1):12-19.

[2] 乔伊·雷等. YOLOv5 ：一种更快、更强的目标检测系统[J]. 计算机工程与应用， 2022(12):3001-3010.

[3] 肖鹏程，徐文广，张妍等. 基于 SE 注意力机制的废钢分类评级方法[J]. 工程科学学报，2023,45(8):1342-1352.

[4] 蔡嘉磊，茅智慧，李君等. 基于深度学习的目标检测算法与应用综述[J]. 网络安全技术与应用，2023(11):41-45.

[5] 祁宣豪，智敏，图像处理中注意力机制综述[J]. 计算机科学与探索，2024,18(2):346-349.