基于改進(jìn)YOLOv8的低照度煤礦傳送帶異物識(shí)別算法

摘要： 針對(duì)現(xiàn)有煤礦傳送帶異物檢測(cè)模型在低光照環(huán)境下出現(xiàn)性能不佳，對(duì)細(xì)長(zhǎng)異物和小目標(biāo)異物存在誤檢、漏檢情況，且模型體積較大，難以在邊緣設(shè)備部署等問(wèn)題，提出一種基于改進(jìn)YOLOv8的低照度煤礦傳送帶異物檢測(cè)算法。首先，采用圖像增強(qiáng)的方法對(duì)低照度圖像進(jìn)行預(yù)處理，來(lái)增強(qiáng)煤礦傳送帶異物的有效特征信息；其次，在模型主干網(wǎng)絡(luò)中引入動(dòng)態(tài)蛇形卷積動(dòng)態(tài)調(diào)整卷積核形狀，以提升模型對(duì)細(xì)長(zhǎng)異物的關(guān)注；此外，使... （共9頁(yè)）

煤礦傳送帶 異物識(shí)別 YOLOv8 輕量化 損失函數(shù)