전통적인 객체 감지 방법이 광석 입도 검출에서 높은 계산 복잡성, 특징 견고성 부족 및 분류기 성능 제한과 같은 문제를 가지고 있는 데 대응하여, 본 논문에서는 소수 샘플 객체 감지 알고리즘을 제안한다. 이 알고리즘은 주석 및 계산 비용을 줄이고 데이터가 부족한 환경에서 모델의 일반화 능력을 향상시키는 것을 목표로 한다. CenterNet2를 프레임워크로 설계하고, 경량화된 VoVNet을 백본 네트워크로 사용하여 감지 속도를 보장한다. 핵심 혁신은 병렬 이중 주의력 특징 융합 모듈을 설계한 것으로, 채널 교차 주의력 모듈은 채널 차원 특징을 재보정하고, 공간 그룹 주의력 모듈은 타깃의 핵심 영역에 집중하여 두 모듈이 협력하여 식별성 특징 융합 능력을 강화하여 쿼리 이미지 감지를 정확하게 안내한다. 광석 데이터셋에서 테스트한 결과, 제안된 모델의 평균 정밀도(AP)는 55.2%, AP50과 AP75는 각각 78.5%와 66.9%, 추론 속도는 57 프레임/초(FPS)이며, 주의력 모듈의 파라미터 크기는 16.1메가바이트(MB)로 정확도와 효율성의 균형이 우수함을 나타낸다. 실험 결과 이 방법은 소수 샘플 광석 입도 검출의 인지 성능을 효과적으로 향상시키며, 엣지 단말 적용 가능성도 매우 높아 컴퓨팅 자원이 제한된 스마트 광산 환경에서 실시간 검출 문제 해결을 위한 신뢰할 수 있는 기술 솔루션을 제공한다.

컴퓨터 비전; 소수 샘플 객체 검출; 경량화; 광석 이미지; 실시간 검출