基于图像增强和改进YOLOv8的煤矿低光照目标检测
王宏伟1
刘学刚2
王浩然3
曹文艳3
付翔4
刘泽平5
李建忠5
1.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;太原理工大学机械工程学院,山西太原 030024;太原理工大学矿业工程学院,山西太原 030024;太原理工大学安全与应急管理工程学院,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 030034;新疆智能装备研究院,新疆阿克苏 8430002.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;太原理工大学机械工程学院,山西太原 0300243.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;太原理工大学矿业工程学院,山西太原 030024;太原理工大学安全与应急管理工程学院,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 030034;新疆智能装备研究院,新疆阿克苏 8430004.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;太原理工大学矿业工程学院,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 0300345.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 030034;山西太重智能采矿装备技术有限公司,山西太原 030024
摘要：目前煤矿井下图像增强技术在实际应用中存在稳定性不足和生成图像质量波动较大的问题,影响后续目标检测的精度;而目前基于YOLOv8的煤矿井下目标检测技术在低光照环境下应用时,由于图像特征弱化和信息丢失,YOLOv8的性能仍然存在一定局限性.针对上述问题,提出一种基于图像增强和改进YOLOv8的煤矿低光照目标检测算法.采用去噪概率扩散模型(DDPM)对原始图像进行去噪和增强处理,恢复图像的光照及细节信息;在YOLOv8基础上进行改进,通过引入低频滤波增强模块(LEF)和特征增强模块(FEM)提高低光照图像的特征提取性能,并将YOLOv8模型原有的CIoU回归损失更换为MPDIoU,得到YOLOv8-DLFM;使用YOLOv8-DLFM进行目标检测,提高目标检测准确性和鲁棒性.实验结果表明:①与目前主流的图像增强方法进行对比,DDPM的峰值信噪比为28.379 dB,结构相似性为0.886,感知相似性为0.104,表现出优越的图像重建质量和结构相似性.②YOLOv8-DLFM在综合性能上表现优异,准确率、召回率和mAP@0.5分别达到0.878,0.791和0.896,帧率达到88.6帧/s,相较于原始YOLOv8n模型,YOLOv8-DLFM的准确率、召回率与mAP@0.5分别提升了 8.13％,6.6％和8.74％.③与目前主流目标检测模型相比,YOLOv8-DLFM在复杂低光照环境下具有更强的鲁棒性和更高的检测精度;在目标遮挡、光照干扰、目标稀疏和目标密集等典型工况下,YOLOv8-DLFM展现出较高的鲁棒性和适应性.
关键词：井下目标检测低光照图像增强YOLOv8n去噪概率扩散模型低频滤波特征增强
分类号：TD67(矿山电工)
资助基金：国家自然科学基金(52404176)山西省基础研究计划项目(202203021222105)山西省基础研究计划项目(202303021212074)山西省基础研究计划项目(202403011242001)智能采矿装备技术国家重点实验室自主研究项目(ZNCK20240108)山西省创新平台与基地建设专项项目(202404010911004Z)
论文发表日期：2025-09-30
在线出版日期：2025-10-27（本平台首次上网日期，不代表文献的发表时间）
页数：11( 33-42,65 )
英文信息