针对现有的矿井下钻杆计数方法存在误检率较高、效率较低的问题，设计一种特征编码式计数方法，其主要通过对钻机退钻过程检测的结果进行处理和分析来统计实际打入的钻杆数量，可以有效提高计数的准确性及工作效率。由于矿井下的环境十分复杂，由视频监控获取到的图像易受噪声、灯光等因素的影响，造成现有的目标检测算法存在特征提取困难和识别率低等问题。并且，这些算法模型复杂度高且计算量大，不利于在边缘端进行部署。针对这些问题，提出一种改进YOLOv8n的钻机退钻过程检测算法，称为YOLOv8n-SDM。首先，设计新的空间金字塔池化模块来增强模型的特征提取能力，同时降低矿井下复杂背景对退钻检测的干扰；然后，提出具有两种变换结构的特征聚合模块，替换原模型中的C2f模块，其在获取丰富的特征信息的同时有效降低模型的复杂度与计算量；最后，为进一步提升模型对不规则特征的辨识能力，设计了一种多尺度融合探测头来提高模型对钻机等目标的识别率。实验结果表明，改进后的YOLOv8n-SDM算法和原YOLOv8n算法相比，精度、召回率、mAP@0.5以及mAP@0.5-0.95值分别提升了2.7%、2.6%、2.2%以及1%，模型参数量、占用存储空间和GFLOPs值分别降低了32.2%、30.2%和31.7%。相较主流算法能够在复杂的矿井场景下实现更精准的钻机退钻过程检测，满足实际部署和应用的需求。

0 引言
1 钻机退钻过程检测算法
1.1 算法整体结构
1.2 改进的空间金字塔池化模块
1.3 双变换特征聚合网络
1.4 多尺度融合检测头
2 检测实验结果与分析
2.1 实验细节
2.1.1 实验环境
2.1.2 数据集
2.1.3 评价指标
2.2 消融实验
2.3 对比实验
3 钻杆计数方法的设计与实现
4 结语

胡玮,王满利,张长森,等.基于退钻过程检测的矿井下钻杆计数方法研究[J/OL].煤炭学报,1-11[2025-02-25].https://doi.org/10.13225/j.cnki.jccs.2024.0880.