基于YOLOv11_OBB的煤矿钻杆计数方法
郑冉1
张富凯2
袁冠3
张艳梅3
王少璞4
张强4
赵珊1
王登科5
霍占强1
张海燕1
何恒1
1.河南理工大学软件学院,河南焦作 4540002.河南理工大学软件学院,河南焦作 454000;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.中国矿业大学计算机科学与技术学院,江苏徐州 2211164.山西晋煤集团技术研究院有限责任公司,山西晋城 0480065.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 454000
摘要：针对煤矿井下打钻图像识别泛化能力差、钻杆计数不准确等问题,采集并标注了煤矿井下钻杆计数数据集CMDPC_OBB,提出了一种基于YOLOv11_OBB的煤矿钻杆计数方法.该方法包括打钻图像识别模型YOLOv11_OBB和场景自适应的钻杆计数算法2个部分.YOLOv11_OBB采用旋转边界框,精准捕获具有倾斜角度的打钻图像,通过L2正则化处理改进YOLOv11颈部网络,降低权重波动对特征融合的干扰,使模型训练更加稳定;场景自适应的钻杆计数算法通过追踪目标钻杆与钻机尾部关键点之间的运动轨迹及多条件判断峰值实现自动计数,减少了与计数无关的钻杆对计数准确率的影响;将YOLOv11_OBB学习到的图像特征作为潜在知识指导钻杆计数的推理逻辑.在CMDPC_OBB数据集上的实验结果表明,YOLOv11_OBB的图像识别精度为93.5％,与YOLOv5L_OBB,YOLOv8L_OBB相比分别提升了 8.2％,3.0％;钻杆计数算法的准确率为97.96％,模型识别速度为34帧/s,计数速度为79帧/s,满足实时计数要求.
关键词：钻杆计数旋转目标检测深度学习场景自适应YOLOv11_OBB
分类号：TD713(矿山安全与劳动保护)
资助基金：国家自然科学基金(71774159)国家自然科学基金(52174174)河南省科技攻关项目(252102320210)河南省高等学校重点科研项目(24B520014)河南理工大学青年骨干教师资助计划项目(2023XQG-14)
论文发表日期：2025-05-30
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：9( 72-79,95 )
英文信息