针对煤矿井下钻杆计数的效率和精度问题，提出了一种基于改进YOLOv8n模型的煤矿井下钻杆计数方法。首先，建立了YOLOv8n-TBiD模型，该模型可准确检测矿井钻机工作视频中的钻杆并进行有效分割：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TripletAttention，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、背景信息繁杂的问题，采用Dice损失函数替换CIoU损失函数来优化模型对目标钻杆的分割处理。其次，利用YOLOv8n-TBiD模型分割出的钻杆及其掩码信息，根据钻杆在打钻过程中钻杆掩码面积变小而装新钻杆时钻杆掩码面积突然增大的规律，设计了一种钻杆计数算法。最后，选取综采工作面实际采集的钻机工作视频对基于YOLOv8n-TBiD模型的钻杆计数方法进行了实验验证。结果表明：① YOLOv8n-TBiD模型检测钻杆的平均精度均值达94.9%，与对比模型GCI-YOLOv4，ECO-HC，P-MobileNetV2，YOLOv5，YOLOX相比，检测准确率分别提升了4.3%，7.5%，2.1%，6.3%，5.8%，检测速度提升了17.8%。② 所提钻杆计数算法在不同煤矿井下环境的视频数据集上实现了99.3%的钻杆计数精度。

0 引言
1 改进的YOLOv8n模型
1.1 BiFPN
1.2 Triplet Attention
1.3 损失函数优化
2 钻杆计数算法
3 钻杆计数实验
3.1 数据集
3.2 实验环境
3.3 评价指标
3.4 实验结果
3.4.1 模型训练结果
3.4.2 消融实验结果
3.4.3 钻杆检测实验结果
3.4.4 钻杆计数实验结果
4 结论

姜媛媛,刘宋波.基于改进YOLOv8n的煤矿井下钻杆计数方法[J/OL].工矿自动化,1-11[2024-09-11].http://kns.cnki.net/kcms/detail/32.1627.TP.20240910.1409.002.html.