计算机辅助设计与图形学学报

作者：油亚鹏, 马波, 赵乐, 王鹏琪

关键词：大块煤检测, 输送带, 图像复原, YOLOv8, 坐标注意力机制

针对煤矿环境复杂多变以及输送带图像模糊,导致大块煤难以被准确检测及泛化性差的问题,提出一种基于CA-YOLOv8的大块煤检测方法.首先针对输送带图像特点,采用图像复原技术对模糊的输送带图像进行预处理,使得图像恢复清晰,为后续的大块煤检测提供了高质量的图像输入;然后通过分析大块煤特征对YOLOv8算法进行改进,包括在输入端对图像进行基于现实尺寸的自适应缩放、网络结构中嵌入坐标注意力机制以及移除多余的检测头,实现对大块煤的准确、稳定和高效的检测.在由某煤矿4条不同的输送带的监控视频图像制作的数据集上进行实验,结果表明,所提方法在相同环境条件下精确率达95.6%,召回率达89.0%;与原YOLOv8算法相比,在不同环境条件下精确率提升超17.0%,召回率提升超15.3%.

来源：2025年第7期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2025年第7期