文件大小：1.42M
摘要：针对现有的煤矿井下钻杆计数方法在低照度环境下统计精度低且性能下降等问题，提出一种基于改进YOLOv8的煤矿井下低照度图像钻杆计数方法。该方法通过检测钻机卡盘与夹持器两个预测框的中心点坐标，绘制间距曲线并统计波峰的数值实现钻杆数量的计算。首先，采用SCI模块对低照度图像进行前置处理，解决低照度图像光照不均、对比度低等问题，确保后续模型能够提取到更多有效特征信息；其次，在主干网络中将EMA注意力机制融合到C2f模块，保留各通道的信息并建立长短期长下文依赖关系，增强对低照度、复杂背景中目标关注程度；此外，在颈部网络使用BiFPN结构作为特征融合方式以降低特征信息丢失，增强网络特征融合能力，提高模型在低照度场景下的检测精度；最后，设计了Inner-CIoU损失函数，基于不同大小的辅助边界框回归，提升模型对低照度和噪声的适应能力。实验结果表明，改进后的YOLOv8-GC算法mAP@0.5提升了5.7%，检测速度达到151帧/s；低照度环境下钻杆计数精度达97.2%，充分证明了本文改进算法的有效性和应用潜力。
文章目录
0 引 言
1 YOLOv8算法
2 改进YOLOv8算法
2.1 SCI模块
2.2 C2f＿EMA模块
2.3 BiFPN特征融合网络
2.4 Inner-CIoU损失函数
3 实验
3.1 数据集构建
3.2 实验环境及参数设置
3.3 性能评价指标
3.4 SCI低光图像增强实验
3.5 消融实验
3.6 对比实验
3.7 钻孔深度测量
4 结论
