来源：期刊VIP网 时间：
作者：吴利刚;栗翱凯;陈乐;刘勇前;
单位：山西大同大学机电工程学院;山西省数字化产线孪生运维及控制技术工程研究中心;山西大同大学煤炭工程学院;
摘要：大块煤飞溅和冲击是导致矿井输送带破损及卡阻的主要原因，严重影响生产的连续性和安全性。针对这一问题，这里提出一种基于改进的SCA-YOLOv8(SC Conv-BiFPN-C2f-CA YOLOv8)的块煤检测方法。首先，通过自适应直方图均衡化增强输送带图像中块煤的对比度，从而提高模型的检测可靠性；其次，在YOLOv8模型的基础上，采用轻量化卷积结构SC Conv，以提升模型的检测速度；接着，引入双向特征金字塔网络（Bi-FPN），增强模型的特征表征能力；最后，加入C2f-CA注意力机制模块，以提高模型在复杂背景下对块煤目标的关注度。实验结果表明，与基线YOLOv8算法相比，提出的SCA-YOLOv8模型的检测速度提升至113.68 fps，增幅达35.3%，检测精度提升至65.2%，增幅约4.1个百分点。可视化检测结果表明，SCA-YOLOv8在模糊和遮挡情况下对块煤的检测能力显著增强。因此，改进后的算法能够更加准确、高效地完成矿用输送带大块煤的检测任务。
关键词：大块煤;;YOLOv8;;深度学习;;注意力机制;;轻量化
基金资助：山西省基础研究面上项目—智能制造装备的心电机理与主动运维方法研究（202303021211330）;; 山西大同市科技计划项目资助（2023015）;; 山西省基础研究自由探索类项目（202403021221181）
