-
题名基于改进YOLOv8n的煤矿带式输送异物检测研究
被引量：6
- 1
-
-
作者
李宗霖
王广祥
张立亚
李明亮
-
机构
河北地质大学信息工程学院
河北地质大学光电技术研究所
煤炭科学技术研究院有限公司
智能传感物联网技术河北省工程研究中心
-
出处
《矿业安全与环保》
CAS
北大核心
2024年第4期41-48,共8页
-
基金
河北省重点研发计划项目(22375415D)。
-
文摘
在煤矿带式输送物料过程中,异物的出现可能会引发输送带撕裂或堵塞等安全风险。针对输送带输送物料中异物多样、人工巡检效率低、硬件限制等问题,提出一种基于改进YOLOv8n的轻量化煤矿带式输送异物检测算法:采用GhostNetV2网络对原CSPDarkNet53主干网络进行轻量化改进,以减少模型的参数和计算量;整合全局平均池化和全局最大池化思想优化SPPF模块,关注煤矿恶劣环境影响下图像的底层信息;设计了headC2f_CA模块,融入通道注意力机制,以便能够更有效地捕捉不同尺度和位置的异物特征,强化特征信息表达;引入DIoU损失函数,精确反映锚框与预测框之间的相似度,提升模型检测精度。实验结果表明,改进后的模型平均精度均值达88.3%,相比于基线模型YOLOv8n,提升了0.8%,参数量减少了18.51%,计算量减小了20.73%,模型大小缩减了15.87%。该模型有效缓解了边缘设备的硬件限制,同时保障了煤矿安全监测的准确性。
-
关键词
煤矿
带式输送机
输送带异物
部署轻量化
GhostNetV2
SPPF优化
headC2f_CA注意力模块
DIoU损失函数
-
Keywords
coal mine
belt conveyor
conveying belt foreign object
deployment lightweighting
GhostNetV2
SPPF optimization
headC2f_CA attention module
DIoU loss function
-
分类号
TD634.1
[矿业工程—矿山机电]
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名无砟轨道表观伤损检测装置研制
- 2
-
-
作者
王宁
李健超
王智超
柴雪松
暴学志
刘艳芬
-
机构
中国铁道科学研究院集团有限公司铁道建筑研究所
中国铁道科学研究院集团有限公司高速铁路轨道系统全国重点实验室
-
出处
《铁道建筑》
北大核心
2023年第10期11-15,共5页
-
基金
国家重点研发计划(2022YFB2603302)
中国铁道科学研究院集团有限公司基金(2022YJ330)。
-
文摘
为了快速精准检测无砟轨道伤损,基于无砟轨道表观伤损相机激光一体化成像检测技术、多相机自适应控制和多图像自动拼接技术,研发了无砟轨道表观伤损检测装置,实现了无砟轨道轨道板及层间离缝全断面高清图像的快速采集;提出了多模协同表观图像伤损混合缺陷智能识别技术,在编码-解码语义分割核心结构下引入Transformer模块,并采用TensorRT模型轻量化部署技术实现GPU加速推理,降低计算复杂度,提升并行能力。样本库测试结果表明,本文算法对5 000个测试集样本的识别准确率为95.84%。现场试验结果表明,该装置对无砟轨道表观伤损的检出率为96.4%。无砟轨道表观伤损智能检测装置能够进行无砟轨道表观伤损的高效准确检测,检测方法稳定性、泛化性好。
-
关键词
无砟轨道
表观伤损
精准检测
深度学习
智能识别
轻量化部署
-
Keywords
ballastless track
apparent damage
accurate detection
deep learning
intelligent recognition
lightweight deployment
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
U216.3
[交通运输工程—道路与铁道工程]
-
