基于改进YOLOv8n+DeepSORT的带式输送机异物检测及计数方法

作     者：陈腾杰 李永安 张之好 林斌 CHEN Tengjie;LI Yong'an;ZHANG Zhihao;LIN Bin

作者机构：太原理工大学机械与运载工程学院山西太原030024 太原理工大学山西省煤矿智能装备工程研究中心山西太原030024 太原理工大学智能采矿装备技术全国重点实验室山西太原030024 华晋焦煤有限责任公司沙曲一号煤矿山西吕梁033000 

基　　金：山西省重点研发计划项目(202102100401017) 

出 版 物：《工矿自动化》 (Journal Of Mine Automation)

年 卷 期：2024年第50卷第8期

页      码：91-98页

摘      要：现有带式输送机异物检测方法存在提取目标语义信息能力弱、检测精度差等问题,且仅对异物进行识别检测,不能准确计算异物数量。针对该问题,设计了一种基于改进YOLOv8n+DeepSORT的带式输送机异物检测及计数方法。对YOLOv8n模型进行改进,再使用改进YOLOv8n(MSF−YOLOv8n)模型对带式输送机异物进行识别;将MSF−YOLOv8n模型的异物检测结果作为DeepSORT算法的输入,实现带式输送机异物跟踪和计数。YOLOv8n改进方法:使用C2f_MLCA模块替换主干网络中的C2f模块,提高网络在颜色信息单一环境下的信息提取能力;使用分离和增强注意力模块(SEAM)改进Head部分,以提高异物被遮挡情况下的检测精度;采用Focaler−IoU优化损失函数,解决检测目标形状差异大的问题。MSF−YOLOv8n模型性能验证实验结果表明,MSF−YOLOv8n模型的mAP50达93.2%,相较于基础模型提高了2.1%;参数量仅为2.82×10^(6),比基础模型少了0.19×10^(6),更适合部署到巡检机器人等边缘设备中;检测精度比YOLOv5s,YOLOv7,YOLOv8s算法分别高2.2%,1.3%,0.3%;其帧率虽然比YOLOv8s和YOLOv8n低,但仍可满足视频实时性检测要求。异物检测及计数实验结果表明,DeepSORT算法的准确率达80%,可准确跟踪被遮挡的锚杆及形状差异较大的目标。

主 题 词：带式输送机 目标检测与跟踪 异物检测及计数 MSF−YOLOv8n DeepSORT 

学科分类：081901[081901] 0819[工学-海洋工程类] 08[工学] 

D　O　I：10.13272/j.issn.1671-251x.2024070043

馆 藏 号：203141730...