来源：期刊VIP网 时间：
作者：郑冉;张富凯;袁冠;张艳梅;王少璞;张强;赵珊;王登科;霍占强;张海燕;何恒;
单位：河南理工大学软件学院;河南理工大学河南省瓦斯地质与瓦斯治理重点实验室;中国矿业大学计算机科学与技术学院;山西晋煤集团技术研究院有限责任公司;
摘要：针对煤矿井下打钻图像识别泛化能力差、钻杆计数不准确等问题，采集并标注了煤矿井下钻杆计数数据集CMDPC＿OBB，提出了一种基于YOLOv11＿OBB的煤矿钻杆计数方法。该方法包括打钻图像识别模型YOLOv11＿OBB和场景自适应的钻杆计数算法2个部分。YOLOv11＿OBB采用旋转边界框，精准捕获具有倾斜角度的打钻图像，通过L2正则化处理改进YOLOv11颈部网络，降低权重波动对特征融合的干扰，使模型训练更加稳定；场景自适应的钻杆计数算法通过追踪目标钻杆与钻机尾部关键点之间的运动轨迹及多条件判断峰值实现自动计数，减少了与计数无关的钻杆对计数准确率的影响；将YOLOv11＿OBB学习到的图像特征作为潜在知识指导钻杆计数的推理逻辑。在CMDPC＿OBB数据集上的实验结果表明，YOLOv11＿OBB的图像识别精度为93.5%，与YOLOv5L＿OBB,YOLOv8L＿OBB相比分别提升了8.2%,3.0%；钻杆计数算法的准确率为97.96%，模型识别速度为34帧/s，计数速度为79帧/s，满足实时计数要求。
关键词：钻杆计数;旋转目标检测;深度学习;场景自适应;YOLOv11＿OBB
基金资助：国家自然科学基金项目（71774159,52174174）; 河南省科技攻关项目（252102320210）; 河南省高等学校重点科研项目（24B520014）; 河南理工大学青年骨干教师资助计划项目（2023XQG-14）
