RIC-YOLOv8n：矿下料车超挂轻量化实时检测算法
来源：计算机工程与应用杂志2026年第2期北京时间：
作者：丁玲, 李露, 李永康, 赵作鹏
单位：1.江苏联合职业技术学院 徐州财经分院，江苏 徐州 221008；2.中国矿业大学 计算机科学与技术学院，江苏 徐州 221116；3.中国矿业大学 矿山数字化教育部工程研究中心，江苏 徐州 221116；
摘要：针对矿井下作业环境复杂、光照不足、煤尘干扰等因素导致的传统目标检测算法在检测矿下料车超挂时表现不佳问题，提出了一种料车超挂轻量化实时检测算法RIC-YOLOv8n。使用轻量化模块C2f_RegNetY替换YOLOv8n中主干和颈部网络中的C2f模块，减少了模型参数量并加快了模型推理速度；为了提高检测头的特征提取性能，采用联合信息对齐学习方法增强分类和回归任务的对齐能力；通过DeepSort进行矿下料车的目标追踪，设计了Residual_IBN模块替换DeepSort特征提取网络中的残差网络，提高了目标追踪的性能。通过自制的矿下料车检测与跟踪数据集进行算法验证，实验结果显示：RIC-YOLOv8n在矿下料车识别平均精度达到91.4%，基于RIC-YOLOv8n和改进的DeepSort目标追踪算法在多目标追踪准确率达到89.13%，检测速度达到61 FPS。提出的RIC-YOLOv8n和改进的DeepSort算法能较好的平衡检测速度与精度，适用于矿井下料车检测实时性作业的需要。
关键词：目标检测,目标追踪,YOLOv8n,联合对齐解耦头,DeepSort,料车计数
基金资助：国家自然科学基金（61976217）。
