389 / 2024-03-28 21:18:21

基于改进YOLOv8的矿用传输带异物检测方法

目标检测；YOLOv8；ShuffleNetV2；异物识别；轻量化

4、智能化装备技术 > 1、智能矿山装备技术

在煤炭采矿和加工中，传输带是一种非常重要的设备。然而，在传输过程中，不可避免地会有一些异物（如异种石块、锚杆、金属碎片等）混杂在煤炭中。这些异物对传输带和其它设备造成了损坏，甚至会引发火灾和爆炸等严重事故，对工人的生命安全和生产基地的稳定性都会造成威胁。目前基于深度学习的传输带异物检测在井下复杂环境的条件下容易出现漏检和误检的情况。针对上述问题，本文提出了一种改进YOLOv8模型，并基于改进的模型进行异物的识别。首先，对于改进轻量化模型，本文使用的是用ShuffleNetv2作为主干网络，不管是在模型的计算量还是网络的复杂度等方面都起到了降低的作用；然后，在此基础上，为了防止特殊异物（例如锚杆、钢筋等长条状异物）的检测准确率的下降，于是引入了动态蛇形卷积，通过模型在学习的过程中，改变卷积核的形状，从而关注长条状异物的核心结构特点；最后，引入具有角度损失的新型损失函数SIOU，可以有助于改善模型的表现能力，并使模型更加的拟合实际观测值，来促进真实框和预测框的拟合并提升对缺陷预测的准确性。实验结果表明：改进之后的模型的准确率达到了89.3%， 比原YOLOv8（85.4%）提升了3.9%，模型的检测速度也存在提升。