来源：期刊VIP网 时间：
作者：王彪;陶庆;刘伟;李范焕;
单位：新疆大学机械工程学院;
摘要：无人机在露天矿区监测中较传统测量和遥感技术具有显著优势。目前基于无人机的露天煤层自燃检测方法存在的主要问题是缺少相应的检测模型实现对高温点的检测，对小尺寸、多尺度的高温点识别精度较低，煤层上挖掘机的尾气管高温与煤层异常高温点易混淆。针对上述问题，提出了一种基于YOLO-WRC的无人机露天煤层自燃检测方法。在主干网络中融合小波变换卷积（WTConv），聚焦于更多的特征信息；采用重参数化泛化特征金字塔网络（RepGFPN）重构颈部网络，增强特征提取与融合能力及对易混淆高温点的识别精度；引入轻量级分布式焦点检测头（CLLAHead），统筹各个层次特征与语义信息，聚焦于微小高温点的识别；采用PIoUv2损失函数，提高模型对多尺度异常高温点的回归效果。实验结果表明：(1) YOLO-WRC的精确率、召回率和mAP@0.5分别达到88.2%,90.1%,95.4%，相较于原始YOLOv8n模型，精确率、召回率与mAP@0.5分别提升了1.3%,2.2%,3.2%。(2) YOLO-WRC的召回率、mAP@0.5均优于SSD,Faster-RCNN,YOLOv5,YOLOv10n等主流模型，对异常高温点的识别展现出较高的鲁棒性和适应性。(3) YOLO-WRC对检测目标的置信度较高，且可识别YOLOv8n漏检的目标，对于易混淆、小尺寸目标有更强的识别能力。
关键词：露天煤层自燃;;无人机巡检;;YOLOv8n;;YOLO-WRC;;小波变换卷积;;重参数化泛化特征金字塔网络;;轻量级分布式焦点检测头;;PIoUv2损失函数
基金资助：新疆维吾尔自治区天山英才项目（2023TSYCLJ0051）
