تتناول هذه الورقة مشكلة تعقيد الحسابات العالية، ضعف ثبات الميزات، وتأثير أداء المصنفات في طرق الكشف التقليدية لأحجام جزيئات الخام، وتقترح خوارزمية كشف هدف بعينات صغيرة لخفض تكاليف الوسم والحساب، وتحسين قدرة التعميم للنموذج في ظروف ندرة البيانات. تم التصميم باستخدام إطار CenterNet2، مع استخدام VoVNet خفيف الوزن كشبكة رئيسية لضمان سرعة الكشف ؛ الابتكار الرئيسي هو تصميم وحدة دمج ميزات انتباه مزدوج متوازية، حيث تستخدم وحدة انتباه تبادلي للقنوات لمعايرة خصائص القنوات، ووحدة انتباه تجميعية مكانية لتركيز المناطق الرئيسية للهدف، ويعزز الاثنان التعاون لدمج ميزات تمييزية بدقة لتوجيه الكشف في صور الاستعلام. تم الاختبار على مجموعة بيانات الخام، حيث بلغ متوسط الدقة (AP) 55.2%، وAP50 وAP75 على التوالي 78.5% و66.9%، وسرعة الاستدلال بلغت 57 إطارًا في الثانية (FPS)، ويبلغ حجم معاملات وحدة الانتباه 16.1 ميجابايت، مما يعكس توازناً ممتازاً بين الدقة والكفاءة. تُظهر التجارب أن الطريقة يمكنها تحسين أداء إدراك الكشف في عينات صغيرة لحجم جزيئات الخام، ولديها قدرة عالية للتطبيق في الأطراف الحوسبية، مما يوفر حلاً تقنياً موثوقاً للتحديات في الكشف الفوري ضمن بيئات المناجم الذكية ذات قدرات حوسبة محدودة.

الرؤية الحاسوبية;كشف الأهداف بعينات صغيرة;خفيف الوزن;صور الخام;الكشف الفوري