基于YOLOv5的瓦斯抽采钻杆智能计数研究
赵伟1
张文康1
刘德成1
王涛1
王登科2
夏代林3
周礼赞3
李志飞3
1.河南龙宇能源股份有限公司,河南 永城 4766002.河南理工大学 河南省瓦斯地质与瓦斯治理重点实验室,河南 焦作 4540003.武汉天宸伟业物探科技有限公司,湖北 武汉 430070
摘要：目的 随着煤矿开采逐渐深入,瓦斯抽采作业的安全风险不断增加,钻杆计数的准确性对保障瓦斯抽采的安全和效率至关重要.传统的钻杆计数方法效率低、易出错,且难以适应复杂环境.方法 本文基于YOLOv5深度学习模型,提出了一种结合时空信息融合的钻杆智能计数方法,通过实时处理煤矿井下的视频数据,实现钻杆的自动检测与计数.实验数据包括7组28段模拟退钻场景和10组真实退钻场景.为了增强模型的鲁棒性,采用过亮、过暗、烟尘噪声和镜像等数据增强技术.此外,对YOLOv5的不同版本(YOLOv5s、YOLOv5m、YOLOv5l、YO-LOv5x)进行比较,选择最优模型进行钻杆计数.计数过程中,结合钻杆面积跳变、IOU跳变等前置更新条件,进一步优化钻杆数量更新的准确性.结果 结果表明,4种YOLOv5模型在当前数据中均达到了99.5%的准确率和100%的召回率,因此采用YOLOv5s作为后续计数检测模型.结论 本文方法在模拟和真实退钻场景下均实现了100%的正确计数,展现出较高的准确性和鲁棒性.通过减少人工干预,显著提高了钻杆计数的自动化水平,具有广泛的应用前景,尤其在煤矿安全生产及其他工业自动化监控领域具有重要意义.
关键词：钻杆计数目标检测时空融合深度学习瓦斯抽采
分类号：TD76(矿山安全与劳动保护)
资助基金：国家自然科学基金(52174174)
论文发表日期：2025-05-22
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 81-88 )
英文信息