基于改进YOLO11n的刮板输送机大块煤跟踪检测方法
汪卫兵
李瑞航
赵栓峰
路正雄
马昊阳
母均毅
西安科技大学机械工程学院,陕西西安 710054
摘要：大块煤拥堵是导致综采工作面刮板输送机机头转载口堵塞的主要原因之一,及时精准地破除大块煤对保证综采工作面煤流顺畅至关重要.针对大块煤因短时遮挡及姿态变化导致检测精度低,进而造成破碎机器人无法对其准确破除的问题,提出一种基于改进YOLO11n的刮板输送机大块煤跟踪检测模型—DAMP-YOLO11n-BT.采用DCSNet模块替换YOLO11n原始模型的骨干网络,在保证模型检测精度的同时,降低模型的浮点运算量;采用AG-SPPF模块提升模型对刮板输送机煤流区域全局背景信息和块煤局部关键信息的关注和光照不均等环境抗干扰能力;引入Powerful-IoU(PIoU),通过自适应惩罚与梯度调节优化边界框回归,强化对中等质量锚框的聚焦,增强对块煤密集场景下的大块煤检测能力;融合DAMP-YOLO11n模型与ByteTrack算法,提出DAMP-YOLO11n-BT模型,实现大块煤的跟踪检测.利用现场采集的刮板输送机大块煤检测数据集进行实验验证,结果表明:①DAMP-YOLO11n模型的准确率、mAP@0.5:0.95与召回率分别为86.3％,77.6％,85.5％,较原始模型YOLO11n分别提升2.4％,2.4％,3.2％;其参数量为1.95×106个,浮点运算量为4.8×109,模型大小为4.09 MiB,较原始模型YOLO11n分别下降24.4％,23.8％和23.6％;检测速度为351帧/s,满足检测实时性要求.②DAMP-YOLO11n-BT对大块煤跟踪识别的多目标跟踪准确率、多目标跟踪精度、ID调和均值分别为76.6％,74.5％和75.2％,均优于YOLO11n-BT,解决了被遮挡大块煤的漏检和ID跳变问题,满足破碎机器人精准作业的跟踪需求.
关键词：刮板输送机大块煤跟踪检测破碎机器人轻量化YOLO11nByteTrack算法
分类号：TD634.2/67(矿山电工)
资助基金：陕西省技术创新引导专项项目(2024ZC-YYDP-103)科学家+工程师队伍建设项目(24KGDW0041)陕西省秦创原科学家+工程师队伍建设项目(2023KXJ-249)
论文发表日期：2026-02-28
在线出版日期：2026-04-07（本平台首次上网日期，不代表文献的发表时间）
页数：9( 99-107 )
英文信息