摘要：针对矿井低照度环境下输送带异物检测算法存在的图像全局特征提取不足、模型参数量过大等问题，提出一种基于改进YOLOv8s的矿用输送带异物检测方法。利用VMamba和MobileNetv4对YOLOv8s进行改进：采用MobileNetv4改进主干网络，集成通用逆瓶颈（UIB）模块，通过高效倒置残差结构降低模型整体参数量，通过动态特征适应机制增强小目标场景的特征鲁棒性；通过VMamba的视觉状态空间（VSS）模块改进核心特征提取与融合模块C2f，通过状态空间模型和四向扫描机制高效捕捉图像中的全局上下文信息，增强模型对图像全局结构的理解；设计了参数共享轻量化检测头，使用分组归一化（GN）作为归一化卷积基本块，弥补模型轻量化所带来的精度损失。实验结果表明：改进YOLOv8s模型在自建数据集上的mAP@0.5达0.921，mAP@0.5:0.95达0.601，参数量较YOLOv8s减少27.7%，性能优于主流目标检测模型YOLOv11s，YOLOv10s等，可以满足矿用输送带异物检测需求。
文章目录
0引言
1 方法原理
1.1基于MobileNetv4的主干网络
1.2 VMB模块
1.3参数共享轻量化检测头
2实验分析
2.1数据集
2.2 YOLOv8s改进效果验证
2.3消融实验
2.4 对比实验
2.5 热力图对比
3 结论
