改进YOLOv8的矿用传输带异物检测方法

来源：计算机工程与应用杂志2025年第19期北京时间：

作者：杨迪, 赵培培, 孙奥然, 张君逸, 肖涛

单位：1.中国矿业大学 信息与控制工程学院，江苏 徐州 221116；2.常州海图信息科技股份有限公司，江苏 常州 213000

摘要：目前矿井下输送带图像存在昏暗环境清晰度差、图像噪点等问题，现有检测算法模型存在复杂度高、漏检和错检、精度不足等问题。基于上述问题，提出一种改进YOLOv8模型。使用轻量级ShuffleNetv2作为头部网络减少模型参数量，并构建多尺度组合注意力机制（multi-scale composite attention module，MSCAM）来增强特征提取能力，以降低漏检率和错检率；针对现有模型对长条状异物准确率低的问题，在C2f模块中使用动态可变形卷积（DDConv）的思想，使模型更容易提取长条状异物结构特征；使用具有角度损失的SIoU新型损失函数，提升模型训练能力和推理性能。在MTBID数据集进行验证，实验结果表明：改进模型的mAP@0.5可达0.893，mAP@0.5：0.95可达0.663，参数量相较于YOLOv8n减少了27.6%。

关键词：目标检测,YOLOv8n,ShuffleNetv2,异物识别,轻量化