基于改进YOLOv8-EfficientNet的皮带磨损状态检测方法技术

本发明专利技术涉及目标检测方法技术领域，尤其涉及一种基于改进YOLOv8‑EfficientNet的皮带磨损状态检测方法。本发明专利技术利用当前最先进的实时监测算法YOLOv8目标检测算法为基础，与改进的EfficientNet卷积神经网络结合，并对结合后网络加以改进。对获取到的输送机皮带磨损图片进行预处理操作，预处理技术采用Retinex图像增强算法，对图像进行亮度增强，细节保护，色彩保护，自然度恢复，图像去噪，细节提取等，提高皮带磨损图片的清晰度。最后，将改进后的算法部署到输送机实时检测设备对输送机皮带进行检测，可以准确得出输送带磨损部位以及每个部位的磨损程度。

【技术实现步骤摘要】

本专利技术涉及目标检测方法，尤其涉及一种基于改进yolov8-efficientnet的皮带磨损状态检测方法。

技术介绍

1、输送机皮带作为矿井下带式输送机的主要消耗部件，针对其磨损状态的检测耗费了大量人力物力。考虑到矿井下潮湿、昏暗、噪声大的特殊环境对图像采集会产生非常大的影响，而采集到图像的质量会影响检测模型的精度，因此如何对图像进行有效的预处理，在检测过程中极为重要。目前所被应用到的较为成熟的图像增强技术，被应用到矿井下的特殊环境中都存在丢失细节、局部增强不足或过度增强的问题，因此难以满足要求。

2、同时，深度学习虽然被广泛应用在目标检测方面，但随着使用工况和场景的变化并不一定都具有好的检测效果。并且，目前并没有一个很好的区分类别来有效的的定义皮带的磨损程度，即皮带具体磨损到什么程度其性能就不满足工作要求了。为了解决上述问题，本专利技术提出一种基于改进yolov8-efficientnet的皮带磨损状态检测方法。

技术实现思路

1、本专利技术的目的在于提供一种基于改进yolov8-effic本文档来自技高网...

【技术保护点】

1.一种基于改进YOLOv8-EfficientNet的皮带磨损状态检测方法，其特征在于，包括如下内容：

2.根据权利要求1所述的一种基于改进YOLOv8-EfficientNet算法的皮带磨损状态检测方法，其特征在于，S1中所述制作磨损数据集具体指：利用在空载皮带上采集到的皮带磨损图像用于制作数据集，使用CCD相机采集煤矿带式输送机皮带的磨损图像制作用于训练的数据集，根据NN-100型尼龙输送带结构特点、不同磨损程度的特征和拉伸性能实验所得到性能数据，划分类别，对所有图像中的磨损部位标注出区域和类别信息。

3.根据权利要求2所述的一种基于改进YOLOv8-Eff...

【技术特征摘要】

1.一种基于改进yolov8-efficientnet的皮带磨损状态检测方法，其特征在于，包括如下内容：

2.根据权利要求1所述的一种基于改进yolov8-efficientnet算法的皮带磨损状态检测方法，其特征在于，s1中所述制作磨损数据集具体指：利用在空载皮带上采集到的皮带磨损图像用于制作数据集，使用ccd相机采集煤矿带式输送机皮带的磨损图像制作用于训练的数据集，根据nn-100型尼龙输送带结构特点、不同磨损程度的特征和拉伸性能实验所得到性能数据，划分类别，对所有图像中的磨损部位标注出区域和类别信息。

3.根据权利要求2所述的一种基于改进yolov8-efficientnet算法的皮带磨损状态检测方法，其特征在于，s1中所述对数据集进行扩增，并将数据集划分为训练集和验证集具体指：将皮带磨损图像通过翻转、镜像的方式来增加不同角度的图像，并采用mosaic算法实现图像的数据增强，通过将四张图片随机缩放、随机裁剪、随机排布的方式进行拼接，扩充数据集，然后按照8：2的比例将皮带磨损图像数据集划分为皮带磨损目标检测训练集和皮带磨损目标检测验证集。

4.根据权利要求1所述的一种基于改进yolov8-efficientnet算法的皮带磨损状态检测方法，其特征在于，所述s3进一步包括：在efficientnet模块中设置混合因子φ，对网络深度、宽度、分辨率进行混合缩放，使得网络具有最优性能；在改进...

【专利技术属性】
技术研发人员：杨立洁，陈广宇，李建申，徐召冉，
申请(专利权)人：河北工程大学，
类型：发明
国别省市：