기존 전통적인 목표 검출 방법이 광석 입도 검출에서 계산 복잡도 증가, 특징 강인성 부족, 분류기 성능 제한 등의 문제를 가진 점을 해결하기 위해 본 논문에서는 소량 샘플 대상 검출 알고리즘을 제안한다. 이는 주석 및 계산 비용을 줄이고, 데이터 부족 상황에서 모델의 일반화 능력을 향상시키는 것을 목표로 한다. CenterNet2를 프레임워크로 설계하고, 경량 VoVNet을 백본 네트워크로 사용하여 검출 속도를 보장한다. 핵심 혁신은 병렬 이중 주의력 특징 융합 모듈을 설계한 것으로, 채널 교차 주의력 모듈은 채널 차원 특징을 재보정하고, 공간 그룹 주의력 모듈은 타겟의 주요 영역에 집중한다. 두 모듈이 협력하여 판별력 있는 특징 융합 능력을 강화하여 질의 이미지 검출을 정확히 지도한다. 광석 데이터셋에서 테스트한 결과, 제안 모델의 평균 정밀도(AP)는 55.2%이며, AP50과 AP75는 각각 78.5%와 66.9%이다. 추론 속도는 57 프레임/초(FPS)이고, 주의력 모듈의 파라미터 크기는 16.1MB에 불과해 우수한 정밀도-효율성 균형을 보여준다. 실험 결과 본 방법이 소량 샘플 광석 입도 검출의 인지 성능을 효과적으로 향상시키고, 엣지단 적용 가능성이 매우 높아 계산 능력이 제한된 스마트 광산 내 실시간 검출 문제 해결에 신뢰성 있는 기술적 해법을 제공함을 입증했다.

컴퓨터 비전; 소량 샘플 목표 검출; 경량화; 광석 이미지; 실시간 검출