従来の鉱石粒度検出における伝統的な対象検出手法の計算複雑性の高さ、特徴の頑健性の低さ、分類器性能の制約などの問題に対し、本論文では小サンプル対象検出アルゴリズムを提案する。これは注釈および計算コストを削減し、データ不足シーンにおけるモデルの一般化能力を向上させることを目的とする。CenterNet2をフレームワークに、軽量なVoVNetをバックボーンネットワークに採用して検出速度を確保する。コアの革新は並列二重注意特徴融合モジュールの設計であり、その中でチャネル交差注意モジュールはチャネル次元の特徴を再校正し、空間グループ注意モジュールは対象の重要領域に焦点を当てる。両者が協力して識別的特徴融合能力を強化し、クエリ画像検出を正確にガイドする。鉱石データセットでのテストでは、提案モデルの平均精度（AP）は55.2%、AP50およびAP75はそれぞれ78.5%と66.9%、推論速度は57フレーム/秒（FPS）であり、注意モジュールのパラメータ量はわずか16.1メガバイト（MB）で、優れた精度と効率のバランスを示している。実験により、本手法が少数サンプルの鉱石粒度検出における認知性能を効果的に向上させ、エッジデバイスへの高い実装可能性を有し、計算資源が限られたスマート鉱山におけるリアルタイム検出課題の解決に信頼できる技術的ソリューションを提供することを示した。

コンピュータビジョン;小サンプル対象検出;軽量化;鉱石画像;リアルタイム検出