改进YOLOv8的煤矿井下低照度图像钻杆计数方法 被引量：1

1

作者 冉庆庆 董立红 温乃宁 《电子测量技术》 北大核心 2025年第11期155-165,共11页

针对现有的煤矿井下钻杆计数方法在低照度环境下统计精度低且性能下降等问题,提出一种基于改进YOLOv8的煤矿井下低照度图像钻杆计数方法。该方法通过检测钻机卡盘与夹持器两个预测框的中心点坐标,绘制间距曲线并统计波峰的数值实现钻杆... 针对现有的煤矿井下钻杆计数方法在低照度环境下统计精度低且性能下降等问题,提出一种基于改进YOLOv8的煤矿井下低照度图像钻杆计数方法。该方法通过检测钻机卡盘与夹持器两个预测框的中心点坐标,绘制间距曲线并统计波峰的数值实现钻杆数量的计算。首先,采用SCI模块对低照度图像进行前置处理,解决低照度图像光照不均、对比度低等问题,确保后续模型能够提取到更多有效特征信息;其次,在主干网络中将EMA注意力机制融合到C2f模块,保留各通道的信息并建立长短期长下文依赖关系,增强对低照度、复杂背景中目标关注程度;此外,在颈部网络使用BiFPN结构作为特征融合方式以降低特征信息丢失,增强网络特征融合能力,提高模型在低照度场景下的检测精度;最后,设计了Inner-CIoU损失函数,基于不同大小的辅助边界框回归,提升模型对低照度和噪声的适应能力。实验结果表明,改进后的YOLOv8-GC算法mAP@0.5提升了5.7%,检测速度达到151 fps;低照度环境下钻杆计数精度达97.2%,充分证明了本文改进算法的有效性和应用潜力。 展开更多

关键词 瓦斯抽采 低照度 SCI 目标检测 EMA BiFPN 钻杆计数

在线阅读 下载PDF 职称材料

基于YOLOv11_OBB的煤矿钻杆计数方法

2

作者 郑冉 张富凯 +8 位作者 袁冠 张艳梅 王少璞 张强 赵珊 王登科 霍占强 张海燕 何恒 《工矿自动化》 北大核心 2025年第5期72-79,95,共9页

针对煤矿井下打钻图像识别泛化能力差、钻杆计数不准确等问题,采集并标注了煤矿井下钻杆计数数据集CMDPC_OBB,提出了一种基于YOLOv11_OBB的煤矿钻杆计数方法。该方法包括打钻图像识别模型YOLOv11_OBB和场景自适应的钻杆计数算法2个部分... 针对煤矿井下打钻图像识别泛化能力差、钻杆计数不准确等问题,采集并标注了煤矿井下钻杆计数数据集CMDPC_OBB,提出了一种基于YOLOv11_OBB的煤矿钻杆计数方法。该方法包括打钻图像识别模型YOLOv11_OBB和场景自适应的钻杆计数算法2个部分。YOLOv11_OBB采用旋转边界框,精准捕获具有倾斜角度的打钻图像,通过L2正则化处理改进YOLOv11颈部网络,降低权重波动对特征融合的干扰,使模型训练更加稳定;场景自适应的钻杆计数算法通过追踪目标钻杆与钻机尾部关键点之间的运动轨迹及多条件判断峰值实现自动计数,减少了与计数无关的钻杆对计数准确率的影响;将YOLOv11_OBB学习到的图像特征作为潜在知识指导钻杆计数的推理逻辑。在CMDPC_OBB数据集上的实验结果表明,YOLOv11_OBB的图像识别精度为93.5%,与YOLOv5L_OBB,YOLOv8L_OBB相比分别提升了8.2%,3.0%;钻杆计数算法的准确率为97.96%,模型识别速度为34帧/s,计数速度为79帧/s,满足实时计数要求。 展开更多

关键词 钻杆计数 旋转目标检测 深度学习 场景自适应 YOLOv11_OBB

在线阅读 下载PDF 职称材料

基于退钻过程检测的矿井下钻杆计数方法研究

3

作者 胡玮 王满利 +2 位作者 张长森 田子建 张善文 《煤炭学报》 北大核心 2025年第S1期697-707,共11页

针对现有的矿井下钻杆计数方法存在误检率较高、效率较低的问题,设计一种特征编码式计数方法,其主要通过对钻机退钻过程检测结果的分析处理,统计实际打入的钻杆数量,可以有效提高计数的准确性及工作效率。由于矿井下的环境十分复杂,由... 针对现有的矿井下钻杆计数方法存在误检率较高、效率较低的问题,设计一种特征编码式计数方法,其主要通过对钻机退钻过程检测结果的分析处理,统计实际打入的钻杆数量,可以有效提高计数的准确性及工作效率。由于矿井下的环境十分复杂,由视频监控获取到的图像易受噪声、灯光等因素的影响,造成现有的目标检测算法存在特征提取困难和识别率低等问题。并且,这些算法模型复杂度高且计算量大,不利于在边缘端进行部署。针对这些问题,提出一种基于YOLOv8n改进的钻机退钻过程检测算法,称为YOLOv8n–SDM。首先,设计新的空间金字塔池化模块来增强模型的特征提取能力,同时降低矿井下复杂背景对退钻检测的干扰;然后,提出具有2种变换结构的特征聚合模块,替换原模型中的C2f模块,其在获取丰富的特征信息的同时有效降低模型的复杂度与计算量;最后,为进一步提升模型对不规则特征的辨识能力,设计了一种多尺度融合探测头来提高模型对钻机等目标的识别率。实验结果表明:改进后的YOLOv8n–SDM算法和原YOLOv8n算法相比,精度、召回率、mAP@0.5以及mAP@0.5–0.95值分别提升了2.7%、2.6%、2.2%以及1%,模型参数量、占用存储空间和GFLOPs值分别降低了32.2%、30.2%和31.7%。相较主流算法能够在复杂的矿井场景下实现更精准的钻机退钻过程检测,满足实际部署和应用的需求。 展开更多

关键词 钻杆计数 钻机退钻过程检测 YOLOv8n 特征聚合模块 多尺度融合探测头

在线阅读 下载PDF 职称材料

基于矿工操作姿态识别的井下钻机钻杆计数算法

4

作者 刘杰 杨程 +3 位作者 程泽明 孙晓虎 徐浩 绳国宇 《工矿自动化》 北大核心 2025年第6期55-60,共6页

在煤矿井下工作现场,钻机钻杆与监控摄像装置之间会出现移动的人和物,导致拍摄的视频图像不完整、钻杆计数缺失,目前基于图像处理和机器视觉的钻杆计数方法对遮挡问题的研究较少;现有大部分钻杆计数模型需要采集与处理目标视频图像的全... 在煤矿井下工作现场,钻机钻杆与监控摄像装置之间会出现移动的人和物,导致拍摄的视频图像不完整、钻杆计数缺失,目前基于图像处理和机器视觉的钻杆计数方法对遮挡问题的研究较少;现有大部分钻杆计数模型需要采集与处理目标视频图像的全部帧,且需要图像预处理操作。针对上述问题,提出了一种基于矿工操作姿态识别的井下钻机钻杆计数算法——BlazePose−DPC算法。该算法基于BlazePose网络提取矿工的关键姿态信息作为钻机钻杆自动计数的依据,把钻杆计数问题转化为矿工操作关键姿态的识别和匹配问题。通过BlazePose网络从关键姿态帧中提取骨骼关节点坐标,使用归一化的欧氏距离表示姿态之间的相似度实现关键姿态坐标匹配。当相似度大于设定的阈值时,表示视频中的动作完成,计数加1,实现钻杆的自动计数。将BlazePose−DPC算法在数据集1和数据集2上进行实验,数据集1来自陕西旬邑青岗坪煤矿,由移动设备录制,易出现不稳定状况,数据集2来自华能庆阳煤电核桃峪煤矿,通过固定监控设备录制,易出现光照不均、遮挡等状况。实验结果表明:在有光照影响场景或人物显示不全的场景中,BlazePose−DPC算法能够实现准确计数;在较长时间运行过程中,BlazePose−DPC算法依然可以正确计数,表现出稳定的性能;BlazePose−DPC算法的准确率为95.5%,满足钻杆计数的要求。 展开更多

关键词 钻杆计数 BlazePose网络 操作姿态估计 姿态匹配 单生产者−多消费者缓冲池 关节点欧氏距离

在线阅读 下载PDF 职称材料

基于改进YOLOv8n的煤矿井下钻杆计数方法 被引量：6

5

作者 姜媛媛 刘宋波 《工矿自动化》 CSCD 北大核心 2024年第8期112-119,共8页

为提高煤矿井下钻杆计数的效率和精度,提出了一种基于改进YOLOv8n模型的煤矿井下钻杆计数方法。建立了YOLOv8n−TBiD模型,该模型可准确检测矿井钻机工作视频中的钻杆并进行有效分割:为有效捕获钻杆的边界信息,提高模型对钻杆形状识别的精... 为提高煤矿井下钻杆计数的效率和精度,提出了一种基于改进YOLOv8n模型的煤矿井下钻杆计数方法。建立了YOLOv8n−TBiD模型,该模型可准确检测矿井钻机工作视频中的钻杆并进行有效分割:为有效捕获钻杆的边界信息,提高模型对钻杆形状识别的精度,使用加权双向特征金字塔网络(BiFPN)替换路径聚合网络(PANet);针对钻杆易与昏暗的矿井环境混淆的问题,在Backbone网络的SPPF模块后添加三分支注意力(Triplet Attention),以增强模型抑制背景干扰的能力;针对钻杆在图像中占比小、背景信息繁杂的问题,采用Dice损失函数替换CIoU损失函数来优化模型对目标钻杆的分割处理。利用YOLOv8n−TBiD模型分割出的钻杆及其掩码信息,根据打钻过程中钻杆掩码面积变小而装新钻杆时钻杆掩码面积突然增大的规律,设计了一种钻杆计数算法。选取综采工作面实际采集的钻机工作视频对基于YOLOv8n−TBiD模型的钻杆计数方法进行了实验验证,结果表明:①YOLOv8n−TBiD模型检测钻杆的平均精度均值达94.9%,与对比模型GCI−YOLOv4,ECO−HC,P−MobileNetV2,YOLOv5,YOLOX相比,检测准确率分别提升了4.3%,7.5%,2.1%,6.3%,5.8%,检测速度较原始YOLOv8n模型提升了17.8%。②所提钻杆计数算法在不同煤矿井下环境的视频数据集上实现了99.3%的钻杆计数精度。 展开更多

关键词 矿井钻机 钻杆计数 YOLOv8n−TBiD BiFPN Triplet Attention Dice损失函数 钻杆掩码 图像分割

在线阅读 下载PDF 职称材料

基于改进Camshift算法的钻杆计数方法 被引量：11

6

作者 董立红 王杰 厍向阳 《工矿自动化》 北大核心 2015年第1期71-76,共6页

针对采用传统的Camshift算法跟踪钻杆机器时相似颜色物体间易产生干扰的问题,提出了一种基于改进Camshift算法的钻杆计数方法:使用改进的Camshift算法实时捕捉钻杆目标,并且通过设置锚点以及判断时间间隔来进行钻杆计数。改进的Camshif... 针对采用传统的Camshift算法跟踪钻杆机器时相似颜色物体间易产生干扰的问题,提出了一种基于改进Camshift算法的钻杆计数方法:使用改进的Camshift算法实时捕捉钻杆目标,并且通过设置锚点以及判断时间间隔来进行钻杆计数。改进的Camshift算法采用模版匹配的方法定位跟踪目标,智能地选择合适的方法提取颜色直方图,并引入粒子滤波器,通过一定机制与纹理特征相结合,得到跟踪目标在下一帧的准确位置。实验结果表明,改进后的算法解决了相似颜色干扰问题,并且在部分遮挡条件下仍能够准确跟踪目标,从而实现对钻杆的准确计数。 展开更多

关键词 钻杆计数 CAMSHIFT 模版匹配 目标跟踪

在线阅读 下载PDF 职称材料

基于改进时空图卷积神经网络的钻杆计数方法 被引量：12

7

作者 杜京义 党梦珂 +2 位作者 乔磊 魏美婷 郝乐 《工矿自动化》 CSCD 北大核心 2023年第1期90-98,共9页

针对现有钻杆计数方法存在劳动重复、计数误差较大、未考虑动作的时序信息等问题,提出了一种基于改进时空图卷积神经网络(MST-GCN)模型的钻杆计数方法。首先,通过矿用监控摄像头获取井下打钻视频数据,采用Alphapose算法在图像序列中提... 针对现有钻杆计数方法存在劳动重复、计数误差较大、未考虑动作的时序信息等问题,提出了一种基于改进时空图卷积神经网络(MST-GCN)模型的钻杆计数方法。首先,通过矿用监控摄像头获取井下打钻视频数据,采用Alphapose算法在图像序列中提取人体的关键点信息,得到单帧图像上的人体骨架和连续图像序列上的骨架序列数据,进而构建表征人体动作的骨架序列;然后,在时空图卷积神经网络(ST-GCN)模型的基础上设计了MST-GCN模型,采用远空间分区策略关注骨架上距离较远的关键点运动信息,通过注意力机制网络SENet融合原空间特征与远空间特征,从而有效识别骨架序列上的动作类别;最后,在打钻视频上利用支持向量机辨识打钻姿势来决定是否保存骨架序列,若骨架序列长度保存到150帧则使用MST-GCN模型识别动作类别,并根据实际打钻时间设置相邻动作的识别间隔,从而记录动作数量,实现钻杆计数。实验结果表明:在自建的数据集上,MST-GCN模型的识别准确率为91.1%,比ST-GCN、Alphapose-LSTM和NST-GCN动作识别模型的准确率分别提升了6.2%,19.0%和4.8%,模型的损失值收敛在0.2以下,学习能力更强。在相同条件的打钻视频上,MST-GCN模型、人工方法和改进ResNet方法的平均误差依次为0.25,0.75,21次,说明MST-GCN模型的计数效果更好。在真实打钻1300根的现场应用中,MST-GCN模型的平均误差为9根,误计数结果低,能够满足实际需求。 展开更多

关键词 瓦斯抽采 钻孔 钻杆计数 打钻姿势 人体骨架 动作识别 MST-GCN模型

在线阅读 下载PDF 职称材料

基于改进ResNet网络的井下钻杆计数方法 被引量：19

8

作者 高瑞 郝乐 +2 位作者 刘宝 文静怡 陈宇航 《工矿自动化》 北大核心 2020年第10期32-37,共6页

针对现有井下钻杆数量统计方式精度较低、受环境变化影响大等问题,结合卷积神经网络、信号滤波等技术,提出了一种基于改进ResNet网络的井下钻杆计数方法。根据视频图像中卸杆动作与非卸杆动作的差异,采用ResNet-50网络模型对样本集进行... 针对现有井下钻杆数量统计方式精度较低、受环境变化影响大等问题,结合卷积神经网络、信号滤波等技术,提出了一种基于改进ResNet网络的井下钻杆计数方法。根据视频图像中卸杆动作与非卸杆动作的差异,采用ResNet-50网络模型对样本集进行分类训练,判断视频中每一帧图像是否包含卸杆动作;结合线性学习率预热和基于Logistic曲线的学习率衰减策略进行学习率更新,以提高模型分类准确率;通过积分法对视频分类置信度进行滤波,并统计置信度曲线下降沿数量,实现钻杆计数。实验结果表明,预热+衰减的学习率更新策略能够有效提高图像分类模型的分类精度,模型分类检测准确率为89%。实际应用结果表明,基于改进ResNet网络的井下钻杆计数方法可以高效识别视频中的卸杆图像,平均钻杆计数精度为97%,满足实际应用需求。 展开更多

关键词 钻孔深度 钻杆计数 图像分类 卷积神经网络 学习率更新 ResNet-50

在线阅读 下载PDF 职称材料

基于改进MobileNetV2的钻杆计数方法 被引量：13

9

作者 张栋 姜媛媛 《工矿自动化》 北大核心 2022年第10期69-75,共7页

针对现有基于人工及仪器的钻杆计数法存在精度较低、耗时耗力,现有基于图像处理的钻杆计数方法难以提取图像特征,网络模型复杂度高、计算量大等问题,提出了一种基于改进MobileNetV2的钻杆计数方法。通过摄像头采集钻机工作状态图像,采... 针对现有基于人工及仪器的钻杆计数法存在精度较低、耗时耗力,现有基于图像处理的钻杆计数方法难以提取图像特征,网络模型复杂度高、计算量大等问题,提出了一种基于改进MobileNetV2的钻杆计数方法。通过摄像头采集钻机工作状态图像,采用数据增强对采集的图像进行预处理,在MobileNetV2的基础上,添加卷积注意力模块增强特征的细化能力,优化目标函数提升识别精度,通过迁移学习获取初始参数。将改进后的MobileNetV2作为钻机工作状态识别模型,提取钻机工作状态特征,通过识别钻杆钻进完整过程中装钻杆、打钻杆、卸钻杆、停机4种钻机工作状态生成置信度数据,通过滑动窗口对置信度数据进行滤波,统计钻杆数量,明确钻孔深度。实验结果表明:改进后的MobileNetV2模型识别准确率达99.95%,与经典分类模型ResNet50,Xception,InceptionV3,InceptionResNetV2,MobileNetV2相比,准确率分别提升了1.35%,1.28%,1.43%,0.85%,1.25%,参数量比MobileNetV2模型减少了38.9%,模型收敛速度更快,综合性能更好。将基于改进MobileNetV2的钻杆计数方法应用于煤矿综采工作面的钻杆计数中,平均钻杆计数精度为98.4%,实现了钻杆精确计数,验证了该方法在复杂环境下应用的可行性和实用性。 展开更多

关键词 煤与瓦斯突出 钻机 钻杆计数 图像处理 卷积神经网络 深度学习 注意力机制 MobileNetV2

在线阅读 下载PDF 职称材料

基于YOLOv5的瓦斯抽采钻杆智能计数研究 被引量：1

10

作者 赵伟 张文康 +5 位作者 刘德成 王涛 王登科 夏代林 周礼赞 李志飞 《河南理工大学学报(自然科学版)》 北大核心 2025年第3期81-88,共8页

目的随着煤矿开采逐渐深入,瓦斯抽采作业的安全风险不断增加,钻杆计数的准确性对保障瓦斯抽采的安全和效率至关重要。传统的钻杆计数方法效率低、易出错,且难以适应复杂环境。方法本文基于YOLOv5深度学习模型,提出了一种结合时空信息融... 目的随着煤矿开采逐渐深入,瓦斯抽采作业的安全风险不断增加,钻杆计数的准确性对保障瓦斯抽采的安全和效率至关重要。传统的钻杆计数方法效率低、易出错,且难以适应复杂环境。方法本文基于YOLOv5深度学习模型,提出了一种结合时空信息融合的钻杆智能计数方法,通过实时处理煤矿井下的视频数据,实现钻杆的自动检测与计数。实验数据包括7组28段模拟退钻场景和10组真实退钻场景。为了增强模型的鲁棒性,采用过亮、过暗、烟尘噪声和镜像等数据增强技术。此外,对YOLOv5的不同版本(YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x)进行比较,选择最优模型进行钻杆计数。计数过程中,结合钻杆面积跳变、IOU跳变等前置更新条件,进一步优化钻杆数量更新的准确性。结果结果表明,4种YOLOv5模型在当前数据中均达到了99.5%的准确率和100%的召回率,因此采用YOLOv5s作为后续计数检测模型。结论本文方法在模拟和真实退钻场景下均实现了100%的正确计数,展现出较高的准确性和鲁棒性。通过减少人工干预,显著提高了钻杆计数的自动化水平,具有广泛的应用前景,尤其在煤矿安全生产及其他工业自动化监控领域具有重要意义。 展开更多

关键词 钻杆计数 目标检测 时空融合 深度学习 瓦斯抽采

在线阅读 下载PDF 职称材料

基于深度学习的煤矿钻杆实时计数方法

11

作者 张富凯 孙一冉 +6 位作者 武旭峰 李爱军 李培洋 王登科 袁冠 赵珊 张海燕 《煤炭科学技术》 北大核心 2025年第6期493-504,共12页

煤矿井下环境特殊,钻机工作场景复杂多变,存在强光、水汽、遮挡等因素干扰钻机识别效果,易出现误检漏检现象;同时钻机工作时钻机尾部常出现卡顿和无效运动等异常行为,影响钻杆计数准确性。针对上述问题,基于深度学习技术提出了一种煤矿... 煤矿井下环境特殊,钻机工作场景复杂多变,存在强光、水汽、遮挡等因素干扰钻机识别效果,易出现误检漏检现象;同时钻机工作时钻机尾部常出现卡顿和无效运动等异常行为,影响钻杆计数准确性。针对上述问题,基于深度学习技术提出了一种煤矿钻杆实时计数方法,由基于AM-NT优化的钻机识别模型Drill-YOLOv8和基于两级判定区域的钻杆计数推理算法Pipe-Count 2部分组成。首先,从煤矿井下真实监控录像中采集钻机工作录像视频,标注并构建煤矿钻杆计数图像数据集CMDPC;然后,构建改进的钻机识别模型Drill-YOLOv8,引入Triplet注意力提升主干网络对钻机目标的特征提取能力,改进Slim-Neck网络结构平衡模型精度和复杂度,设计DDA Head模块替换检测头结构以提升模型头部对钻机目标多维度信息的关注度;最后,设计以两级判定区域统计钻机尾部有效运动次数为原理的钻杆计数推理方法Pipe-Count,依据Drill-YOLOv8检测器结果自动适应生成两级判定区域,使用ByteTrack实现钻机尾部目标追踪,通过判定区域更新钻机尾部运动状态,从而间接实现钻杆实时计数。在CMDPC数据集上的试验表明:改进的Drill-YOLOv8模型在mAP@0.5和mAP@[0.5:0.95]指标分别提升3.0%和2.7%,有效解决了强光、水汽和遮挡环境下钻机头部和钻杆目标误检漏检问题,检测速度为86帧/s;计数推理算法Pipe-Count的加权平均误计率为2%,面对多场景数据表现出良好的鲁棒性,且处理速度达到40帧/s,满足实时计数要求。 展开更多

关键词 钻杆计数 钻机识别 深度学习 区域判定 注意力机制

在线阅读 下载PDF 职称材料

煤矿打钻管理系统关键技术研究与应用

12

作者 张海峰 罗明华 +2 位作者 黄春 朱兴林 游磊 《矿业安全与环保》 北大核心 2025年第3期193-198,共6页

针对煤矿探放水和瓦斯抽采治理中“一钻一视频”系统存在的摄像仪迁移不便、远程监钻验钻手段匮乏等问题,研究了基于电缆的远距离传输技术和基于AI视频分析的钻杆自动识别计数技术。从煤矿打钻作业的流程和管理需求出发,结合打钻人员和... 针对煤矿探放水和瓦斯抽采治理中“一钻一视频”系统存在的摄像仪迁移不便、远程监钻验钻手段匮乏等问题,研究了基于电缆的远距离传输技术和基于AI视频分析的钻杆自动识别计数技术。从煤矿打钻作业的流程和管理需求出发,结合打钻人员和管理人员的应用痛点,研发了煤矿打钻管理系统,向用户提供实时视频监视、监控画面调节、基础信息管理、打钻业务管理、录像查询、台账及报表管理、双向语音对讲、智能辅助验钻等功能,实现打钻作业的全流程信息化管理。实验及实践应用表明:系统可通过电缆实现视频图像的2 km远距离传输,钻杆自动识别计数准确率大于97.00%。 展开更多

关键词 打钻作业 一钻一视频 AI视频分析 打钻管理系统 钻杆计数 辅助验钻

在线阅读 下载PDF 职称材料

融合注意力机制与逆残差结构的轻量级钻机目标检测方法 被引量：14

13

作者 张栋 姜媛媛 《电子测量与仪器学报》 CSCD 北大核心 2022年第11期201-210,共10页

为实现煤矿下定向钻进钻机钻孔深度的精准测量,提出一种融合注意力机制与逆残差结构的轻量级钻机目标检测网络(GCI-YOLOv4),通过自动、快速及准确检测记录钻机的运动轨迹,获取打入钻杆数量,计算出钻孔深度。针对煤矿下色域区分度低问题... 为实现煤矿下定向钻进钻机钻孔深度的精准测量,提出一种融合注意力机制与逆残差结构的轻量级钻机目标检测网络(GCI-YOLOv4),通过自动、快速及准确检测记录钻机的运动轨迹,获取打入钻杆数量,计算出钻孔深度。针对煤矿下色域区分度低问题,采用GhostNet作为特征提取网络去除复杂背景的冗余特征,同时轻量化模型,加快推理速度。针对煤矿井下光照不均导致钻机目标显著度低的问题,引入注意力模块增强钻机在复杂背景中的显著度。针对钻机高速运动时难以被准确检测的问题,引入逆残差结构,提取更丰富语义特征的同时保持速度与精度的均衡。为保证模型的准确性和可靠性,将提出的检测算法与5种经典目标检测算法进行对比。实验结果表明,GCI-YOLOv4可以较好的解决煤矿下背景色域区分度低、钻机高速运动以及受光照不均等问题,平均检测精度达到99.49%,检测速度达到58.10 FPS,性能优于经典目标检测算法。将GCI-YOLOv4部署在工作面现场进行测试,能够准确获取钻机的运动轨迹,通过滤波处理统计上升沿计算钻杆数量,钻杆计数精度达到99.4%,精确计算出钻孔深度,验证了该方法的可行性和实用性。 展开更多

关键词 目标检测 YOLOv4 GhostNet 注意力模块 逆残差结构 钻杆计数

在线阅读 下载PDF 职称材料