改进YOLO11n和PaddleOCR的煤矿钻场视频自动剪辑方法

来源：计算机工程与应用杂志2025年第17期北京时间：

作者：李小军, 李淼, 赵明炀

单位：1.河南理工大学 能源科学与工程学院，河南 焦作 454003；2.河南省煤矿岩层控制国际联合实验室，河南 焦作 454003；3.河南理工大学 创新创业学院，河南 焦作 454003

摘要：为解决煤矿井下瓦斯抽采钻场监控视频数据规模大、传统人工剪辑效率低的问题，提出一种将YOLO11n和PaddleOCR相结合的视频自动剪辑方法。使用YOLO11n检测视频图像帧中的指示牌目标，并根据检测框坐标信息进行裁剪；将裁剪的目标区域输入PaddleOCR中进行文字识别；依据设定的剪辑逻辑规则对视频进行自动剪辑。为提升YOLO11n在煤矿井下复杂环境的检测精度，提出一种新的模块Faster-EMA来替代C3k2中的Bottleneck，引入FasterBlock及EMA注意力机制，增强多尺度特征表达能力并降低冗余计算；在C2PSA层后引入Triplet Attention，通过三分支结构捕获跨维交互来计算注意力权重，进一步增强特征提取效果；采用PIoUv2替代默认损失函数CIoU以解决锚框扩展问题。同时使用改进后的YOLO11n替换PaddleOCR中的文本检测算法DBNet，解决实时性不足问题。在自建的指示牌数据集上进行实验验证，结果表明，改进的YOLO11n对比原模型，mAP50提升4.8个百分点，且使用改进YOLO11n替代DBNet后视频平均处理速度提升51.0%，FPS达到37帧/s，满足实时性需求。研究实现了基于指示牌文字内容的钻场监控视频自动剪辑，为煤矿智能化发展提供了技术参考。

关键词：煤矿钻场,视频剪辑,文本识别,YOLO11n,PaddleOCR