针对目前煤矿刮板输送机链条多故障识别中的主要问题，提出一种基于改进RT-DETR(Real-TimeDEtectionTRansformer)的煤矿刮板输送机链条故障智能识别方法。该方法在数据集构建时，运用基于HSV三通道的图像预处理方法对煤矿刮板输送机链条图像进行数据降噪与增强处理，提升图像质量。在改进的RT-DETR算法中，通过采用MobileNetV4作为主干特征网络，提升主干网络特征提取效率；通过将混合编码器中的普通卷积替换为效果更佳的Ghost卷积，降低算法参数量，提升识别速度；通过运用CSPStage特征融合模块和Inner-GIoU损失函数，增强特征利用和融合的能力，提高识别准确率。为了验证算法改进模块的效果，通过消融实验结果表明：改进RT-DETR算法与原RT-DETR算法相比，识别准确度提升1.6%，FPS值提升15.5帧/s，模型大小降低36%，参数量减少35.9%。运用本文改进RT-DETR算法与YOLOv8m-ghost、YOLOv8m-RT-DETR和YOLOv10s算法进行多故障识别对比实验，通过对比实验结果表明：改进RT-DETR识别算法在各指标上均效果最优，能够实现刮板输送机链条断链故障和磨损故障的高效准确识别，识别准确率达到97.6%，FPS值达到67.2帧/s，能够在空载和未满载状态下，满足煤矿刮板输送机链条故障在线高效准确识别的需求。

0 引言
1 煤矿刮板输送机链条故障智能识别总体方案
2 基于HSV三通道的链条图像预处理方法
3 改进的RT-DETR算法
3.1 改进的RT-DETR算法整体结构
3.2 采用MobileNetV4网络提升算法识别速度
3.3 采用CSPStage模块降低模型计算量
3.4 采用GhostConv模块降低模型参量
3.5 采用Inner-GIoU损失函数提升识别准确度
4 实验与结果分析
4.1 实验环境及参数设置
4.2 数据集构建
4.3 刮板输送机链条图像预处理实验
4.4 刮板输送机链条故障智能识别实验
4.4.1 评价指标
4.4.2 消融实验
4.4.3 多种算法对比实验
4.4.4 多种算法识别结果可视化对比分析
5 结论

毛清华,郭文瑾,苏毅楠,等.改进RT-DETR的煤矿刮板输送机链条故障智能识别方法研究[J/OL].煤炭科学技术,1-12[2024-11-19].http://kns.cnki.net/kcms/detail/11.2402.td.20241014.1415.004.html.