基于改进YOLOv8m-PSC的露天煤矿危险驾驶行为检测系统

作     者：马力 雷尧 常治国 井宇航 刘浩强 李学斌 马宁 马龙 李临林 

作者机构：西安科技大学能源学院 新疆工程学院新疆煤炭资源绿色开采教育部重点实验室 国家能源集团神延煤炭有限责任公司 

出 版 物：《煤炭学报》 (Journal of China Coal Society)

年 卷 期：2025年

核心收录：

学科分类：081901[工学-采矿工程] 0819[工学-矿业工程] 081903[工学-安全技术及工程] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：新疆煤炭资源绿色开采教育部重点实验室开放课题基金资助项目(KLXGY-KB2508) 

主　　题：危险驾驶行为 部分卷积 自注意力机制 YOLOv8m-PSC PySide6 

摘      要：露天煤矿环境复杂多变，安全生产面临诸多挑战，其中危险驾驶行为是威胁矿区安全生产的重要因素之一。矿区内重型机械和运输车辆频繁作业，由于道路条件复杂、作业环境恶劣，驾驶员一旦出现疏忽或违规操作，极易引发重大事故，造成严重的人员伤亡和经济损失。目前，矿区通常采用人工巡检和车载视频回放检查等传统安全监控手段，但这些方法存在效率低、实时性差，耗费大量人力且有监控盲区等缺点，难以有效应对由于危险驾驶行为而导致的事故风险。随着深度学习和计算机视觉技术的迅速发展，利用先进技术手段提升矿区危险驾驶行为检测效率成为重要方向。相比传统手段，智能检测系统能够实现对危险行为的实时检测和预警，不仅提高了监控覆盖率，还有效减少了人力资源的投入。因此，设计并开发适用于露天煤矿环境的危险驾驶行为检测系统，不仅是当前矿区安全管理的迫切需求，也是推动矿山智能化发展的重要方向。本文在现有YOLOv8m模型的基础上，针对现有模型的参数量大、计算量高及夜晚车内光线较差导致检测精度低等问题，开展了面向露天煤矿危险驾驶行为检测方法研究，运用对比实验、消融实验及理论分析等方法，提出了一种结合部分卷积、自注意力机制及通道混洗的目标检测改进模型YOLOv8m-PSC。在此基础上，设计并实现了基于改进模型的危险驾驶行为检测系统。系统通过PySide6构建直观简便的图形用户界面，能够快速部署到实际生产环境中，弥补了传统监控手段的不足，对露天矿危险驾驶行为进行快速且准确的监控。实验结果表明，改进后的模型在性能上有显着提升：危险驾驶行为的平均检测精度达到83.7%，参数量减少了40.2%，浮点计算量下降了62.6%，推理速度提升了10.7%，均较原模型有显着提高，实现了在露天矿复杂场景下对疲劳驾驶、分心驾驶等危险驾驶行为高效、实时的检测。改进模型的提出不仅在技术上实现了目标检测模型的进一步优化，也为危险驾驶行为的实时检测提供了理论和实践的参考。此外，系统开发流程中引入了图形界面设计思路，为智慧矿山建设中的人机交互系统设计提供了创新性方案。