矿业研究与开发

作者：王国新,祝建东,汝洪芳

关键词：煤矸石;目标检测;改进YOLOv8s;轻量化;实时分选

煤矸分选是煤矿生产的必要环节,煤矸自动识别是实现智能化分选的前提.基于深度学习的煤矸石目标检测可以充分利用图像特征,其精度上限高,但存在模型计算量较大、难以部署实时分选现场等问题.针对上述问题,提出轻量级的DVBS-YOLOv8s煤矸石目标检测方法.为了提高模型的推理速度,在YOLOv8s的网络骨干部分引入DSConv和Vanillanet模块,在网络颈部引入Slim-neck实现轻量化;为了提高模型对皮带背景和煤矸石目标的特征抓取能力,引入BoT 和Slim-neck;最后利用WIoU 和Soft-NMS算法增强训练效果.搭建图像采集试验平台,并自建14790张煤矸石图像作为数据集进行试验,结果表明,在煤矸石目标检测任务中,与YOLOv8s相比,改进后的DVBS-YOLOv8s-WS网络模型更加关注全局特征,增大了感受野,同时推理速度加快了32％;与YOLOv5系列、YOLOv7系列、SSD、Faster-RCNN和YOLOv8s相比,检测精度和速度均有所提高,为实现基于深度学习的煤矸石高精度实时分选提供了参考.

来源：2025年第4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4期