矿业研究与开发

作者：王瑞,司蕊,郝朝瑜,元永国

关键词：输送带;异物检测;深度学习;线性可变形卷积;改进YOLOv11模型

针对煤矿输送带上的异物因形状特殊、特征不明显,导致现有机器视觉方法无法有效检测出异物的问题,提出了改进YOLOv11模型.首先,采用线性可变形卷积构建C3k2-LDC特征提取模块,使模型具备对不规则形状异物的特征提取能力;然后,引入边缘增强模块,采用多尺度特征融合策略,有效强化了弱特征异物的边缘信息;最后,提出基于WIoU 的损失函数优化方案,减少低质量数据样本对训练的影响.通过消融试验、对比试验、热力图及可视化分析,验证改进YOLOv11模型的有效性及鲁棒性. 结果表明:改进YOLOv11 模型的mAP50 为90.2％,相比RT-DETR、EfficientDet-D2、YOLOv8n、YOLOv11s模型分别提升了4.0,9.1,7.4,5.7个百分点;轻量化方面,改进YOLOv11模型的浮点计算量和参数量分别为6.8×109、2.6×106,检测速度为127帧/s,可在保证检测精度的基础上实现实时异物检测任务;相比原模型,改进模型对复杂异物特征的关注度更高,具有良好的鲁棒性.研究结果可为矿山安全管理提供技术支撑.

来源：2025年第11期

《矿业研究与开发》期刊编辑部

查看矿业研究与开发杂志2025年第11期