1.一种基于mobilenetv2模型的运煤皮带机煤矸石检测方法，其特征在于，所述mobilenetv2模型包括倒残差模块，并且在所述倒残差模块中引入置换注意力机制，
2. 如权利要求1所述的煤矸石检测方法，其特征在于，所述倒残差模块具有顺序的1 x1的升维卷积、k x k的dwise卷积和1 x 1的线性降维卷积，所述置换注意力机制通过置换注意力模块实现，所述置换注意力模块被引入至所述倒残差模块的最后一层1 x 1线性降维卷积，所述置换注意力模块沿着物料输送图像的通道维度对输入的物料输送图像特征图进行分组，对每组所述物料输送图像特征图进行重新排列分成通道注意力分支和空间注意力分支，处理得到所述物料输送图像特征图的通道依赖系数和空间依赖系数，然后对所述物料输送图像特征图进行集成，实现对通道注意力机制和空间注意力机制的融合。
3.如权利要求2所述的煤矸石检测方法，其特征在于，在所述通道注意力机制和所述空间注意力机制融合之后，对于通道注意力输出和空间注意力输出采用hard-sigmoid激活函数进行加权处理，其中，
4. 如权利要求2所述的煤矸石检测方法，其特征在于，所述mobilenetv2模型包括顺序的第一级3 x 3卷积、第二级至第十三级的倒残差模块及由三层1 x 1卷积和一个softmax模块组成的第十四级。
5.如权利要求4所述的煤矸石检测方法，其特征在于，所述倒残差模块包括将输入和输出短路连接的第一倒残差模块sa-bottleneck-s1和未将输入和输出短路连接的第二倒残差模块sa-bottleneck-s2，并且第二级、第八级至第十级采用第一倒残差模块sa-bottleneck-s1，第三级至第七级、第十一级至第十三级采用第二倒残差模块sa-bottleneck-s2。
6. 如权利要求1所述的煤矸石检测方法，其特征在于，所述开源物料输送图像集为imagenet数据集，并且在所述预训练时将所述imagenet数据集中的图像大小调整为224 ×224，batch-size设置为32。
7.如权利要求1所述的煤矸石检测方法，其特征在于，n1：n2等于8：2。
8.如权利要求1所述的煤矸石检测方法，其特征在于，在获取所述运煤皮带机的物料输送图像集后设置有图像预处理的步骤，所述图像预处理包括对所述物料输送图像集进行增强处理，所述数据增强处理包括如下步骤：
9.一种基于mobilenetv2模型的运煤皮带机煤矸石检测系统，其特征在于，所述煤矸石检测系统包括：
10.如权利要求9所述的煤矸石检测系统，其特征在于，