基于改进YOLOv5s的轻量化智能钻机管柱检测方法

作     者：牛柯 彭斌 杨小亮 

作者机构：兰州理工大学机电工程学院 兰州兰石石油装备工程股份有限公司 

出 版 物：《北京航空航天大学学报》 (Journal of Beijing University of Aeronautics and Astronautics)

年 卷 期：2024年

核心收录：

学科分类：0820[工学-石油与天然气工程] 082001[工学-油气井工程] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金(51675254,51966009) 国家重点研发计划(SQ2020YFF0420989) 中央引导地方科技发展资金项目(23ZYQA312) 

主　　题：计算机应用技术 YOLOv5s 智能钻机 钻杆 管柱接头 目标检测 算法改进 

摘      要：当前，钻井平台管柱的自动化转运和上卸扣作业水平较低，这导致了明显的效率和安全问题。为了解决这一问题，精确检测钻杆和管柱接头是实现管柱自动化处理的关键。因此，本研究提出了一种改进的自动化钻机管柱处理多目标检测算法。采用轻量级的EfficientNetv2网络作为特征提取网络，使用YOLOv5s-6.0中的SPPF空间金字塔池化模块，以减少模型参数数量。为了提高目标检测的准确性和鲁棒性，在Backbone部分融入了CBAM注意力模块，有效抑制了背景干扰。为了更好地提取被遮挡目标的细节特征，采用加权双向特征金字塔网络BIFPN代替原网络的PANet结构。采用CARAFE算子来替代传统的上采样操作，以提高特征图的分辨率和语义信息的传递。在Head部分，为进一步减少参数量和计算复杂度，改进传统卷积层Conv为轻量级卷积层GhostConv。同时，考虑到真实框与预测框之间的不匹配问题，替换损失函数CIOU为SIOU，以优化边界误差，提高小目标的定位准确性。在模型训练方面，采用AdamW优化算法来更新模型参数，以替代SGD优化算法，进一步提高了模型的收敛效果和泛化能力。最后，通过自建管柱数据集对改进后的算法进行验证。实验结果表明，本文改进算法能够精确识别到多环境中姿态不同的管柱。改进后的算法识别准确度为90.6%，比原模型提高了3.9%，mAP为94.6%，比原模型提高了4.5%。表明改进算法在目标检测方面具有更高的准确性和鲁棒性，能够更好地适应钻井作业环境。