基于改进YOLOv8的低照度煤矿传送带异物识别算法

来源：电子测量技术杂志2024年第21期北京时间：

作者：郭志聪，张雷

单位：江苏理工学院电气信息工程学院 常州 213001

摘要：针对现有煤矿传送带异物检测模型在低光照环境下出现性能不佳，对细长异物和小目标异物存在误检、漏检情况，且模型体积较大，难以在边缘设备部署等问题，提出一种基于改进YOLOv8的低照度煤矿传送带异物检测算法。首先，采用图像增强的方法对低照度图像进行预处理，来增强煤矿传送带异物的有效特征信息；其次，在模型主干网络中引入动态蛇形卷积动态调整卷积核形状，以提升模型对细长异物的关注；此外，使用slim-neck设计范式对颈部网络进行改造，在保证学习能力的同时，大幅减少模型的参数。最后，采用Inner-CIoU损失函数替换CIoU损失函数，加快模型收敛速度，提高模型对细长异物和小目标异物的检测性能。实验结果表明，相较于基准模型，改进后的算法平均检测精度提高了1.6%，模型大小降低了29.7%，检测速度FPS提高了59%，验证了其有效性。在与其他先进模型的对比中，证明了本文算法在复杂环境下仍具有较强的识别能力。

关键词：煤矿传送带;异物识别;YOLOv8;轻量化;损失函数

基金资助：国家自然科学基金（61901196）、常州市重点实验室项目（CM20223015）资助