基于改进YOLOv8n的煤矿井下钻杆计数方法OA北大核心CSTPCD
为提高煤矿井下钻杆计数的效率和精度,提出了一种基于改进YOLOv8n模型的煤矿井下钻杆计数方法。建立了YOLOv8n−TBiD模型,该模型可准确检测矿井钻机工作视频中的钻杆并进行有效分割:为有效捕获钻杆的边界信息,提高模型对钻杆形状识别的精度,使用加权双向特征金字塔网络(BiFPN)替换路径聚合网络(PANet);针对钻杆易与昏暗的矿井环境混淆的问题,在Backbone网络的SPPF模块后添加三分支注意力(Triplet Attention),以…查看全部>>
姜媛媛;刘宋波
安徽理工大学电气与信息工程学院,安徽淮南232001 安徽理工大学环境友好材料与职业健康研究院(芜湖),安徽芜湖241003安徽理工大学电气与信息工程学院,安徽淮南232001
矿山工程
矿井钻机钻杆计数YOLOv8n−TBiDBiFPNTriplet AttentionDice损失函数钻杆掩码图像分割
《工矿自动化》 2024 (8)
P.112-119,8
安徽省重点研究与开发计划项目(202104g01020012)安徽理工大学环境友好材料与职业健康研究院研发专项基金资助项目(ALW2020YF18)。
评论