-
题名基于YOLOV8的高磁铁矿输送带异物检测技术研究
- 1
-
-
作者
张紫欣
涂福泉
陈向东
高路萍
王涛
白云
-
机构
武汉科技大学冶金装备及其控制教育部重点实验室
武钢资源集团鄂州球团矿有限公司
武钢资源集团大冶铁矿有限公司
-
出处
《黄金科学技术》
北大核心
2025年第1期193-201,共9页
-
基金
国家自然科学基金项目“航天用纳米颗粒多相流泵送机理及其分散均匀性主动调控研究”(编号:52375061)资助。
-
文摘
在矿山复杂环境中,高磁性矿输送带异物检测面临场景干扰严重、识别难度大的挑战,针对高磁性矿中异物边缘信息易丢失和实时响应难度大的问题,提出了基于YOLOV8的深度学习图像检测方法。首先,建立输送带异物数据集,采用暗通道去雾技术对数据进行预处理,提升图像清晰度;然后,结合YOLOV8的网络特性,引入动态注意力机制,并用蛇形卷积代替普通卷积,允许模型在处理输入数据时动态地分配注意力,同时捕捉到更广泛的局部和全局特征;最后,改进动态检测头来灵活适配多尺度和多方向的检测需求,以提升模型的适应性并降低参数计算量。试验结果表明:基于YOLOV8的异物检测模型平均检测准确率达到96.4%,召回率为91%,平均检测时间仅为29 ms,完全满足矿山皮带运输现场对精准检测和实时性的要求。
-
关键词
异物检测
磁性矿输送带
动态监测
YOLOV8
图像去雾
蛇形卷积
-
Keywords
foreign object detection
conveyor belts for magnetic ore
dynamic monitoring
YOLOV8
image dehazing
DySnakeConv
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
