传统的矿井钻机钻杆计数方法主要有人工计数法、仪器计数法、应力波法、电驻波法和低压脉冲反射法等。人工计数法作业效率低，准确度受人员影响大。仪器计数法受环境影响较大，成本较高。应力波法和电驻波法中波的能量不易控制，存在安全隐患。随着技术的发展，越来越多的学者利用图像处理算法实现钻杆计数。但存在以下问题：对钻杆及其变化特征适应性不强；在不同类型钻机上的泛化能力未经充分验证；依赖动作识别的准确性，在区分细微动作或非标准动作时存在困难。

       针对上述问题，本文对YOLOv8n模型进行改进，建立可准确检测矿井钻机工作视频中的钻杆并进行钻杆图像区域分割的YOLOv8n−TBiD模型，提出了一种基于改进YOLOv8n模型的煤矿井下钻杆计数方法。

       YOLOv8n−TBiD网络结构如下图所示。为有效捕获钻杆的边界信息，提高模型对钻杆形状识别的精度，使用加权双向特征金字塔网络（BiFPN）替换路径聚合网络（PANet）；针对钻杆目标易与昏暗的矿井环境混淆的问题，在Backbone网络的SPPF模块后添加三分支注意力（Triplet Attention），以增强模型抑制背景干扰的能力；针对钻杆在图像中占比小、背景信息繁杂的情况，采用Dice损失函数替换CIoU损失函数来优化模型对钻杆目标的分割效果。

       在打钻过程中，钻杆在视频中的横截面积变化具有周期性，即随着钻杆逐渐打入煤层，裸露在外的钻杆面积会逐渐变小。当工人装填新的钻杆后，相应的钻杆掩码面积会突然增大。基于上述原理，设计了基于钻杆掩码面积变化的钻杆计数算法。YOLOv8n−TBiD模型在检测和分割钻杆的过程中，生成一张与原始图像相同尺寸的掩码图像，通过对目标区域进行分类，将属于钻杆的像素标记为1，其他区域的像素标记为0。在分割过程中，首先判断边界框的宽度和高度，如果边界框的宽度和高度不为0（即检测到了钻杆），则从模型结果中提取掩码，计算掩码中值为1的像素点数量，得到分割的面积曲线。每根钻杆的掩码生成后计算其面积，并将该面积添加到掩码列表中，监测面积随时间的变化。

       为验证改进策略对YOLOv8n模型性能提升的效果，在训练集和验证集上进行消融实验。集成Triplet Attention，BiFPN和Dice损失函数的YOLOv8n−TBiD模型的mPA和mIoU最大，分别达94.9%和87.3%，同时保持了较低的参数量和权重大小，检测速度仅略低于YOLOv8n−Bi模型，但较原始YOLOv8n模型提升了17.8%。

       在相同的实验环境中，将YOLOv8n−TBiD模型与钻杆检测模型GCI−YOLOv4，ECO−HC，P−MobileNetV2及YOLOv5，YOLOX这2种当前主流的目标检测模型进行对比。YOLOv8n−TBiD模型的检测准确率最高，为94.9%，相比于GCI−YOLOv4，ECO−HC，P−MobileNetV2，YOLOv5，YOLOX模型分别提高了4.3%，7.5%，2.1%，6.3%和5.8%。

       选取与YOLOv8n−TBiD模型测试时相同的钻机作业视频，将基于YOLOv8n−TBiD模型的钻杆计数方法与其他计数方法进行对比测试。本文钻杆计数方法准确率最高，为99.3%，而人工计数方法存在主观误差和工作强度高的问题，尤其在长时间监控和复杂环境下的准确性和效率难以保证。

       姜媛媛（1982—），女，安徽颍上人，教授，博士，主要研究方向为人工智能、机器学习，E-mail:jyyll672@163.com。

      通信作者：刘宋波（1999—），男，安徽六安人，硕士研究生，主要研究方向为计算机视觉图像处理，E-mail：1186784769@qq.com。 

姜媛媛，刘宋波. 基于改进YOLOv8n的煤矿井下钻杆计数方法[J]. 工矿自动化，2024，50（8）：112-119.

JIANG Yuanyuan, LIU Songbo. A coal mine underground drill pipes counting method based on improved YOLOv8n[J]. Journal of Mine Automation，2024，50（8）：112-119.