基于改进YOLOv8n的煤矸石识别检测方法研究
闫存富
段天航
乔雪涛
郭铸锋
赵增效
李远洋
中原工学院 智能机电工程学院,河南 郑州 451191
摘要：针对当前煤炭行业中煤矸石分选识别效果差、效率低等问题,提出一种基于YOLOv8n改进的煤矸石识别检测方法:①用Ghost卷积替换YOLOv8n中的标准卷积,将Ghost卷积融入C2f模块,构建C2fGhost模块,减少网络参数量;②设计多尺度自适应融合模块,取代YOLOv8n拼接模块,优化多尺度特征信息融合策略,提升特征融合整体质量和识别精度;③采用动态检测头,提高模型对尺度、空间和任务3 个维度的处理能力.实验结果表明,与YOLOv8n模型相比,改进后模型的平均精度均值P提升了3%,检测帧率快了8.4 帧/s,参数量减少了24%,浮点运算量降低了16%,模型体积缩减了25%.
关键词：煤矸石识别YOLOv8nGhostNet多尺度自适应融合SimAMDyHead
分类号：TD94(选矿)
资助基金：机械工业光学传感与测试技术重点实验室项目(2022SA-04-15)河南省研究生教育改革与质量提升工程项目(YJS2023AL041)
论文发表日期：2026-02-28
在线出版日期：2026-03-25（本平台首次上网日期，不代表文献的发表时间）
页数：6( 237-242 )
英文信息