期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
改进YOLOv8的矿井人员防护装备实时监测方法研究
被引量：
3
1
作者
张磊
孙志鹏
+3 位作者
陶虹京
郝尚凯
燕倩如
李熙尉
《煤炭科学技术》
北大核心
2025年第S1期354-365,共12页
穿戴个人防护装备是保障矿井人员作业安全的重要手段,开展矿井人员防护装备监测是煤矿安全管理的重要工作内容。煤矿井下环境较为复杂,视频监控易受到噪声、光照以及粉尘等因素干扰,导致现有的目标检测方法对矿井人员防护装备存在检测...
穿戴个人防护装备是保障矿井人员作业安全的重要手段,开展矿井人员防护装备监测是煤矿安全管理的重要工作内容。煤矿井下环境较为复杂,视频监控易受到噪声、光照以及粉尘等因素干扰,导致现有的目标检测方法对矿井人员防护装备存在检测精度低、实时性差、模型复杂度高等问题。为此,提出一种改进YOLOv8的矿井人员防护装备实时监测方法,称为DBE-YOLO。DBEYOLO模型首先在基准模型主干网络的CBS模块中结合可变形卷积(DCNv2)组成DBS模块,使卷积具有可变形能力,在采样时可以更贴近检测物体的真实形状和尺寸,更具有鲁棒性,有效提升了其对不同尺度目标的特征获取能力,有利于模型提取更多人员防护装备的特征信息,提高模型检测精度。其次在特征增强网络融合了加权双向特征金字塔机制(BiFPN),在多尺度特征融合过程中删除效率较低的特征传输节点,实现更高层次的融合,提高了对不同尺度特征的融合效率,同时BiFPN引入了一个可以学习的权值,有助于让网络学习不同输入特征的重要性。最后使用WIoUv3作为模型的损失函数,其通过动态分配梯度增益,重点关注普通锚框质量,在模型训练过程中减少了低质量锚框产生的有害梯度,进一步提升了模型性能。实验结果表明,DBE-YOLO模型在矿井人员防护装备监测中有着良好的效果,查准率、查全率、平均精度分别为93.1%、93.0%、95.8%,相较于基准模型分别提高0.8%,2.9%,2.9%,检测实时性提升到65 f·s^(-1),提高了8.3%,此外,参数量、浮点计算量、模型体积分别为2 M、6.6 G、4.4 MB,相较于原模型分别降低33.3%、18.5%、30.2%。使用煤矿现场作业视频监控对改进模型进行验证,其有效改善了漏检和误检问题,为提高矿井人员的作业安全提供了技术手段。
展开更多
关键词
可变形卷积
目标检测
损失函数
深度学习
实时监测
在线阅读
下载PDF
职称材料
题名
改进YOLOv8的矿井人员防护装备实时监测方法研究
被引量：
3
1
作者
张磊
孙志鹏
陶虹京
郝尚凯
燕倩如
李熙尉
机构
山西大同大学煤炭工程学院
出处
《煤炭科学技术》
北大核心
2025年第S1期354-365,共12页
基金
山西省基础研究计划资助项目(20210302124355)。
文摘
穿戴个人防护装备是保障矿井人员作业安全的重要手段,开展矿井人员防护装备监测是煤矿安全管理的重要工作内容。煤矿井下环境较为复杂,视频监控易受到噪声、光照以及粉尘等因素干扰,导致现有的目标检测方法对矿井人员防护装备存在检测精度低、实时性差、模型复杂度高等问题。为此,提出一种改进YOLOv8的矿井人员防护装备实时监测方法,称为DBE-YOLO。DBEYOLO模型首先在基准模型主干网络的CBS模块中结合可变形卷积(DCNv2)组成DBS模块,使卷积具有可变形能力,在采样时可以更贴近检测物体的真实形状和尺寸,更具有鲁棒性,有效提升了其对不同尺度目标的特征获取能力,有利于模型提取更多人员防护装备的特征信息,提高模型检测精度。其次在特征增强网络融合了加权双向特征金字塔机制(BiFPN),在多尺度特征融合过程中删除效率较低的特征传输节点,实现更高层次的融合,提高了对不同尺度特征的融合效率,同时BiFPN引入了一个可以学习的权值,有助于让网络学习不同输入特征的重要性。最后使用WIoUv3作为模型的损失函数,其通过动态分配梯度增益,重点关注普通锚框质量,在模型训练过程中减少了低质量锚框产生的有害梯度,进一步提升了模型性能。实验结果表明,DBE-YOLO模型在矿井人员防护装备监测中有着良好的效果,查准率、查全率、平均精度分别为93.1%、93.0%、95.8%,相较于基准模型分别提高0.8%,2.9%,2.9%,检测实时性提升到65 f·s^(-1),提高了8.3%,此外,参数量、浮点计算量、模型体积分别为2 M、6.6 G、4.4 MB,相较于原模型分别降低33.3%、18.5%、30.2%。使用煤矿现场作业视频监控对改进模型进行验证,其有效改善了漏检和误检问题,为提高矿井人员的作业安全提供了技术手段。
关键词
可变形卷积
目标检测
损失函数
深度学习
实时监测
Keywords
deformable convolution
target detection
loss function
deep learning
real-time monitoring
分类号
TD76 [矿业工程—矿井通风与安全]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
改进YOLOv8的矿井人员防护装备实时监测方法研究
张磊
孙志鹏
陶虹京
郝尚凯
燕倩如
李熙尉
《煤炭科学技术》
北大核心
2025
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
