一种改进YOLOv8的煤矸石检测方法技术

本发明专利技术提出了一种改进YOLOv8的煤矸石检测方法，步骤包括：获取煤矸石图像，并对煤矸石图像进行预处理，划分为训练集和测试集；构建OSM‑YOLOv8n模型：包括骨干网络、颈部网络和头部网络，所述骨干网络和颈部网络通过块线性化与块挤压的方法构建C2f_OREPA模块，在骨干网络尾部构建SegNext_Attention模块，在头部网络设计MPDIoU损失函数；利用训练集对构建好的OSM‑YOLOv8n模型进行训练，利用测试集对训练后的模型进行性能评估并调整参数选择模型，最终得到训练好的模型；获取需要处理的煤矸石图像，并输入到训练好的OSM‑YOLOv8n模型，得到分类检测结果。本发明专利技术降低模型复杂程度，减少训练成本，增强模型对图像的理解，提高检测性能。

【技术实现步骤摘要】

本专利技术涉及目标检测的，尤其涉及一种改进yolov8的煤矸石检测方法。

技术介绍

1、随着工业技术的快速发展，我国对于能源的生产和消费能力也逐渐增加。煤炭作为我国的主要能源之一，其开采和利用效率对于国家经济发展具有重要意义。在煤炭开采过程中往往夹杂着大量煤矸石，作为一种常见的副产物，煤矸石不仅会影响煤炭经济效益，而且由其产生的硫化物对周围环境会造成严重污染。因此，煤矸石的分拣对煤炭开采过程中的经济效益提升和环境保护具有重要意义，而准确的检测出煤矸石是进行煤矸石分拣的基础，也是关键环节。

2、目前，煤矸石检测方法有人工分拣法、射线法、湿选法以及基于图像的智能检测法等。人工分拣法效率低下，而且耗费大量人力，射线法要采用特殊防护措施来避免辐射，导致设备成本增加，湿选法会造成资源大量浪费，传统煤矸石检测方法实用性较低故不宜推广。因此，使用智能化煤矸石检测法便成为该领域的热点研究方向。

3、公开号为cn118334306a的专利技术专利一种基于目标检测的煤矸石分选方法，该方法包括：获取待识别图像，所述待识别图像中包括目标识别对象，所述目标识本文档来自技高网...

【技术保护点】

1.一种改进YOLOv8的煤矸石检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的改进YOLOv8的煤矸石检测方法，其特征在于，步骤S1所述的预处理的方法为：通过对获取的煤矸石图像进行添加高斯噪声、模糊、旋转以及亮度调节的方法进行图像预处理。

3.根据权利要求2所述的改进YOLOv8的煤矸石检测方法，其特征在于，步骤S2所述骨干网络包括依次连接的第一Conv模块、第二Conv模块、第一C2f_OREPA模块、第三Conv模块、第二C2f_OREPA模块、第四Conv模块、第三C2f_OREPA模块、第五Conv模块、第四C2f_OREPA模块、SPPF...

【技术特征摘要】

1.一种改进yolov8的煤矸石检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的改进yolov8的煤矸石检测方法，其特征在于，步骤s1所述的预处理的方法为：通过对获取的煤矸石图像进行添加高斯噪声、模糊、旋转以及亮度调节的方法进行图像预处理。

3.根据权利要求2所述的改进yolov8的煤矸石检测方法，其特征在于，步骤s2所述骨干网络包括依次连接的第一conv模块、第二conv模块、第一c2f_orepa模块、第三conv模块、第二c2f_orepa模块、第四conv模块、第三c2f_orepa模块、第五conv模块、第四c2f_orepa模块、sppf模块和segnext_attention模块；

4.根据权利要求3所述的改进yolov8的煤矸石检测方法，其特征在于，所述sppf模块包括依次连接的conv模块a、第一maxpool2d模块、第二maxpool2d模块、第三maxpool2d模块、concat模块a和conv模块b，第一maxpool2d模块、第二maxpool2d模块和第三maxpool2d模块的输入均与concat模块a相连接；

5.根据权利要求1到4任一项所述的改进yolov8的煤矸石检测方法，其特征在于，步骤s2所述块线性化方法为：将原模块中的所有分支中的非线性层移除，然后引入线性缩放层替代原非线性层，得到块线性化替代后的分支，最后在所有块线性化替代后的分支进行特征融合后，添加bn层。

6.根据权利要求5所述的改进yolov8的煤矸石检测方法，其特征在于，步骤s2所述的块挤压的方法为：在每个块线性...

【专利技术属性】
技术研发人员：徐振方，李嘉垚，孙志，廖轲，
申请(专利权)人：河南工业大学，
类型：发明
国别省市：