基于YOLOv8的煤矿用钢丝绳损伤检测算法

作     者：李志星 杨啸龙 李天昊 王宁宁 Li Zhixing;Yang Xiaolong;Li Tianhao;Wang Ningning

作者机构：北京建筑大学机电与车辆工程学院北京100000 洛阳理工学院智能制造学院洛阳471000 

出 版 物：《电子测量技术》 (Electronic Measurement Technology)

年 卷 期：2024年第47卷第9期

页      面：120-128页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 0810[工学-信息与通信工程] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081001[工学-通信与信息系统] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：北京市属高校基本科研业务费项目(X21053) 河南省高等学校重点科研项目(23A460020) 河南省自然科学基金(242300420044) 北京建筑大学研究生创新项目(PG2024136)资助 

主　　题：钢丝绳 缺陷检测 YOLO 注意力机制 损失函数 

摘      要：煤矿用钢丝绳在矿井作业中发挥着重要的应用价值,其可靠性直接关系到矿山运转效率以及工作人员的生命安全。针对现有钢丝绳表面缺陷检测精度较低、检测效率不足的问题,本文提出一种改进型YOLOv8检测算法YOLO_BF,首先在骨干网路中引入改进型双层链路注意力机制(BiFormer)加强模型对图像的分析能力和信息融合能力,显著提高模型的精度。其次嵌入重复加权双向特征金字塔网路(BiFPN)提高网络缺陷特征提取能力,并在此基础上使用WIoU提高模型收敛速度,最后使用幻影卷积(GhostConv)替换传统卷积实现模型轻量化。相比原始基础网络YOLOv8n,本文所设计网络准确率、召回率和平均精度分别提升2.3%、3.3%、5.2%,更符合钢丝绳损伤检测的实际应用要求。