基于YOLOv8化工企業(yè)儲(chǔ)煤場(chǎng)火煤和揚(yáng)塵檢測(cè)方法研究

禹 晨，張 飛，郝 斌

（內(nèi)蒙古科技大學(xué)信息工程學(xué)院，內(nèi)蒙古 包頭 014000）

當(dāng)煤與空氣接觸并達(dá)到其燃點(diǎn)時(shí)，它會(huì)發(fā)生局部自燃，這不僅導(dǎo)致煤炭資源的浪費(fèi)，還會(huì)向大氣中排放大量的一氧化碳、二氧化硫和其他有害氣體，對(duì)環(huán)境造成污染。同時(shí)，運(yùn)輸和處理煤炭過(guò)程中產(chǎn)生的揚(yáng)塵無(wú)法完全避免，這不僅會(huì)污染周圍環(huán)境，還會(huì)對(duì)工作人員的健康產(chǎn)生危害。因此，為了降低經(jīng)濟(jì)損失、減少環(huán)境污染并改善工作環(huán)境質(zhì)量，對(duì)火煤和揚(yáng)塵的監(jiān)測(cè)和預(yù)警變得至關(guān)重要。

近年來(lái)，深度學(xué)習(xí)技術(shù)在目標(biāo)識(shí)別領(lǐng)域已經(jīng)有了廣泛應(yīng)用，目標(biāo)檢測(cè)的主要功能是檢測(cè)圖像中出現(xiàn)的既定目標(biāo)類別以及目標(biāo)的位置信息。學(xué)術(shù)界同時(shí)也涌現(xiàn)出許多基于煙塵的檢測(cè)方法，主要分為兩類：一類是以Faster R-CNN［1］與Mask R-CNN［2］等為代表的兩階段檢測(cè)算法；另一類是以YOLO［3］等為代表的一階段目標(biāo)檢測(cè)算法。很多學(xué)者為提高檢測(cè)精度和速度做了大量工作，文獻(xiàn)［4］通過(guò)使用MobileNetv3［5］重構(gòu)SSD［6］的主干使模型輕量化；文獻(xiàn)［7］使用深度可分離卷積來(lái)替換YOLOv4［8］網(wǎng)絡(luò)中的普通卷積實(shí)現(xiàn)模型的輕量化。但是模型的輕量化往往會(huì)帶來(lái)檢測(cè)精度下降的問(wèn)題，隨著YOLO系列的快速更迭，YOLOv8 相對(duì)于其他目標(biāo)檢測(cè)算法，在保持高精度的同時(shí)，具有更快的推理速度，采用輕量級(jí)網(wǎng)絡(luò)結(jié)構(gòu)使其在移動(dòng)設(shè)備上運(yùn)行更加流暢。

煤場(chǎng)環(huán)境下的火煤和揚(yáng)塵檢測(cè)，對(duì)模型的輕量化和檢測(cè)精度都提出了很高的要求，而且煤炭自燃初期，產(chǎn)生的煙往往是通過(guò)小目標(biāo)呈現(xiàn)的，煤場(chǎng)環(huán)境下的塵霧、燈光這些類煙霧等物體都會(huì)對(duì)檢測(cè)造成干擾，所以提高復(fù)雜場(chǎng)景下對(duì)分辨率低圖片中煙塵的小目標(biāo)檢測(cè)速度、精度是亟待解決的問(wèn)題。……