来源：期刊VIP网 时间：
作者：江松;甘珍珍;饶彬舰;艾庆武;李旻;刘悦勤;
单位：西安建筑科技大学资源工程学院;新疆煤炭资源绿色开采教育部重点实验室;西安市智慧工业感知,计算与决策重点实验室;内蒙古显鸿科技股份有限公司;
摘要：井下运煤带式输送机是煤炭生产运输的关键环节。由于运煤皮带上出现的锚杆、槽钢、铁棍等异物，皮带在运行过程中容易出现纵向撕裂甚至断带等事故。针对煤矿井下的皮带异物检测问题，提出了一种基于迁移学习和在线难例挖掘的井下皮带异物检测模型。首先，利用迁移学习策略，提高模型泛化能力，解决数据集较小的问题；其次，在特征融合层的改进型空间金字塔池化模块(Spatial Pyramid Pooling Fast, SPPF)添加坐标注意力(Coordinate Attention, CA)机制，提升模型特征的表达能力；之后，使用损失函数WIoU(Wise Intersection over Union)代替损失函数CIoU(Complete Intersection over Union),加快模型训练速度；最后，利用在线难例挖掘(Online Hard Example Mining, OHEM)策略，帮助模型更好地学习难分类的样本。试验结果表明，井下皮带异物检测模型在自建异物检测数据集上mAP@0.5和mAP@0.5-0.95分别取得了92.5%和79.4%的检测效果，与原YOLOv8相比分别增加了2.6百分点和1.8百分点，并且本模型在实际矿山的检测中取得了90.4%的检测效果，表明模型在实际矿井环境中具有较强的适用性，可为井下皮带异物的检测提供技术支持。
关键词：安全工程;;异物检测;;实例分割;;迁移学习;;YOLOv8
基金资助：国家自然科学基金项目(52374136);; 陕西省自然科学基金项目(2024GX-YBXM-495);; 内蒙古呼和浩特市科技局项目(2023-高-12);; 新疆煤炭资源绿色开采教育部重点实验室开放课题(KLXGY-KB2411)
