基于改进YOLOv8的煤矿输送带异物目标检测方法研究
吴胜
盘江精煤股份有限公司火烧铺煤矿,贵州盘洲 553536
摘要：现有煤矿输送带异物目标检测方法所提出的网络结构复杂,而且选煤厂入煤工段和矿井运输工段的输送带光照强度低,存在粉尘等微小颗粒物的干扰,检测精度和检测效率均难以满足实际工况要求.为解决上述问题,文章构建了融合轻量化网络的改进YOLOv8检测算法——YOLOv8-MobileNetV1.该模型以YOLOv8为基础,将传统的C2F卷积层替换为轻量化网络Mobi-leNetV1来减少模型的参数量;将传统的空间金字塔池化层修改为大核金字塔池化层,以进一步提升模型的性能和泛化能力;同时融合CVH注意力机制模块来提高网络深层次信息的提取能力,从而提高煤矿输送带运输过程中的异物识别精度和检测效率.为验证该模型的有效性,自行构建了选煤厂和矿井输送带运输过程中常见异物(大块和锚杆)的数据集,并按照8∶1∶1的比例随机划分为训练集、验证集和测试集,从检测精度和检测效率两方面进行评价.实验结果表明:YOLOv8-MobileNetV 1算法的大块和锚杆的 目标检测精度为81.30％和89.46％,平均检测精度达到了 85.38％,帧率为83.5 fps.相较于传统的 目标检测算法,YOLOv8-MobileNetV1算法提高了煤矿输送带异物目标检测精度和检测效率,满足了实际工况所需的准确性和时效性,为煤矿安全生产做出了保障.
关键词：异物目标检测煤矿输送带异物目标检测方法改进YOLOv8轻量化网络注意力机制平均检测精度帧率
分类号：TD948.7(选矿)TP391.41(计算技术、计算机技术)
论文发表日期：2024-06-25
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：6( 29-34 )
英文信息