基于改进YOLOv8n+DeepSORT的带式输送机异物检测及计数方法
陈腾杰1
李永安2
张之好1
林斌3
1.太原理工大学机械与运载工程学院,山西太原 0300242.太原理工大学机械与运载工程学院,山西太原 030024;太原理工大学山西省煤矿智能装备工程研究中心,山西太原 030024;太原理工大学智能采矿装备技术全国重点实验室,山西太原 0300243.华晋焦煤有限责任公司沙曲一号煤矿,山西吕梁 033000
摘要：现有带式输送机异物检测方法存在提取目标语义信息能力弱、检测精度差等问题,且仅对异物进行识别检测,不能准确计算异物数量.针对该问题,设计了 一种基于改进YOLOv8n+DeepSORT的带式输送机异物检测及计数方法.对YOLOv8n模型进行改进,再使用改进YOLOv8n(MSF-YOLOv8n)模型对带式输送机异物进行识别;将MSF-YOLOv8n模型的异物检测结果作为DeepSORT算法的输入,实现带式输送机异物跟踪和计数.YOLOv8n改进方法:使用C2f MLCA模块替换主干网络中的C2f模块,提高网络在颜色信息单一环境下的信息提取能力;使用分离和增强注意力模块(SEAM)改进Head部分,以提高异物被遮挡情况下的检测精度;采用Focaler-IoU优化损失函数,解决检测目标形状差异大的问题.MSF-YOLOv8n模型性能验证实验结果表明,MSF-YOLOv8n模型的mAP50达93.2％,相较于基础模型提高了 2.1％;参数量仅为2.82×106,比基础模型少了0.19×106,更适合部署到巡检机器人等边缘设备中;检测精度比YOLOv5s,YOLOv7,YOLOv8s算法分别高2.2％,1.3％,0.3％;其帧率虽然比YOLOv8s和YOLOv8n低,但仍可满足视频实时性检测要求.异物检测及计数实验结果表明,DeepSORT算法的准确率达80％,可准确跟踪被遮挡的锚杆及形状差异较大的目标.
关键词：带式输送机目标检测与跟踪异物检测及计数MSF-YOLOv8nDeepSORT
分类号：TD528.1(矿山运输与设备)
资助基金：山西省重点研发计划项目(202102100401017)
论文发表日期：2024-08-10
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( 91-98 )
英文信息