基于改进YOLOv5的智能钻机孔口返水识别方法研究
崔万豪
刘修刚
中煤科工西安研究院(集团)有限公司,陕西 西安 710077
摘要：在煤矿智能化开采过程中,钻孔返水现象不仅会影响钻孔作业的安全性与作业效率,还可能造成设备损伤和人员伤害.因此,准确、高效地识别钻机孔口返水现象对保障作业安全、提升智能钻机自动化水平具有重要意义.针对当前煤矿井下钻机孔口返水识别存在精度低、响应慢、鲁棒性差等问题,提出了一种基于改进YOLOv5 的智能钻机孔口返水视觉识别方法,有效提升了识别的准确性与实时性.构建了一套完整的孔口返水视觉识别系统,包括防爆摄像机、AI图像处理器、钻机控制器等核心部件,并通过自研视觉识别装置,实现了摄像仪的上下调节及360°旋转功能,从而获取不同角度的视频图像,避免因遮挡或背光等复杂工况导致的识别失败,显著提高了系统的适应能力和识别精度.在模型结构方面,针对YOLOv5 原始网络结构进行了多项优化:在主干网络中引入TRANS(Transformer)模块以增强模型的特征提取能力;在颈部网络中采用GhostBottleneck结构替换传统CSP(Cross Stage Partial,CSP)模块,以减少计算量,提高模型的轻量化水平;此外,将激活函数由SiLU(Sigmoid Linear Unit,SiLU)替换为更高效的Hardswish,进一步提升了模型的非线性表达能力和推理速度.通过自主采集与标注的孔口返水图像数据集,完成了模型的训练与优化.为验证所提方法的有效性,将改进后的YOLOv5 模型与YOLOv3、YOLOv4、YOLOv5、YOLOv8n等进行了对比试验.结果表明,改进的YOLOv5 在识别精度上分别提高了 1.49%、1.06%、0.49%、0.18%,平均识别耗时缩短至 7.4 ms,表现出优异的检测性能与实时响应能力.目前,该系统已在蒙陕地区 4 个煤矿实际部署应用,现场测试结果显示,孔口返水识别准确率最高达到 99.63%,显著优于传统方法,系统运行稳定可靠.
关键词：煤矿智能化智能钻机孔口返水识别YOLOv5改进深度学习煤矿自动化
分类号：TD679(矿山电工)
资助基金：陕西省重点研发计划资助项目(2024GX-YBXM-150)陕西省重点研发计划资助项目(2024GX-YBXM-293)中煤科工西安研究院(集团)有限公司科技创新基金资助项目(2023XAYJS24)
论文发表日期：2026-02-20
在线出版日期：2026-03-19（本平台首次上网日期，不代表文献的发表时间）
页数：9( 231-239 )
英文信息