基于改进YOLOv8n的煤矿带式输送异物检测研究

TD634.1%TP751; 在煤矿带式输送物料过程中,异物的出现可能会引发输送带撕裂或堵塞等安全风险.针对输送带输送物料中异物多样、人工巡检效率低、硬件限制等问题,提出一种基于改进YOLOv8n的轻量化煤矿带式输送异物检测算法:采用GhostNetV2 网络对原CSPDarkNet53 主干网络进行轻量化改进,以减少模型的参数和计算量;整合全局平均池化和全局最大池化思想优化SPPF模块,关注煤矿恶劣环境影响下图像的底层信息;设计了headC2f_CA模块,融入通道注意力机制,以便能够更有效地捕捉不同尺度和位置的异物特征,强化特征信息表达;引入DIoU损失函数,精确反映锚框与预测框之间的相似度...

Full description

Saved in:
Bibliographic Details
Published in矿业安全与环保 Vol. 51; no. 4; pp. 41 - 48
Main Authors 李宗霖, 王广祥, 张立亚, 李明亮
Format Journal Article
LanguageChinese
Published 智能传感物联网技术河北省工程研究中心,河北 石家庄 050031 01.08.2024
河北地质大学 信息工程学院,河北 石家庄 050031%河北地质大学 光电技术研究所,河北 石家庄 050031%煤炭科学技术研究院有限公司,北京 100013%河北地质大学 信息工程学院,河北 石家庄 050031
Subjects
部署轻量化
SPPF optimization
DIoU损失函数
输送带异物
DIoU loss function
SPPF优化
deployment lightweighting
coal mine
GhostNetV2
headC2f_CA attention module
conveying belt foreign object
煤矿
headC2f_CA注意力模块
带式输送机
belt conveyor
Online AccessGet full text

Cover

More Information
Summary:TD634.1%TP751; 在煤矿带式输送物料过程中,异物的出现可能会引发输送带撕裂或堵塞等安全风险.针对输送带输送物料中异物多样、人工巡检效率低、硬件限制等问题,提出一种基于改进YOLOv8n的轻量化煤矿带式输送异物检测算法:采用GhostNetV2 网络对原CSPDarkNet53 主干网络进行轻量化改进,以减少模型的参数和计算量;整合全局平均池化和全局最大池化思想优化SPPF模块,关注煤矿恶劣环境影响下图像的底层信息;设计了headC2f_CA模块,融入通道注意力机制,以便能够更有效地捕捉不同尺度和位置的异物特征,强化特征信息表达;引入DIoU损失函数,精确反映锚框与预测框之间的相似度,提升模型检测精度.实验结果表明,改进后的模型平均精度均值达 88.3%,相比于基线模型YOLOv8n,提升了0.8%,参数量减少了18.51%,计算量减小了 20.73%,模型大小缩减了 15.87%.该模型有效缓解了边缘设备的硬件限制,同时保障了煤矿安全监测的准确性.
ISSN:1008-4495
DOI:10.19835/j.issn.1008-4495.20240604