-
题名基于退钻过程检测的矿井下钻杆计数方法研究
- 1
-
-
作者
胡玮
王满利
张长森
田子建
张善文
-
机构
河南理工大学物理与电子信息学院
中国矿业大学(北京)机电与信息工程学院
西京学院电子信息学院
-
出处
《煤炭学报》
北大核心
2025年第S1期697-707,共11页
-
基金
国家自然科学基金资助项目(62172338)
河南省科技攻关资助项目(242102221006)
河南理工大学博士基金资助项目(B2021-64)。
-
文摘
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。
-
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
-
Keywords
drill rod counting
drill rig back-drilling process detection
YOLOv8n
feature aggregation module
multiscale fusion detector
-
分类号
TN911.77
[电子电信—通信与信息系统]
-
