Detección del estado de la cara de trabajo en minas de carbón basada en YOLOv8-EST

Área de la Ciencia:

• Ciencias de la Computación
• Inteligencia Artificial
• Aprendizaje Profundo

Sus antecedentes:

• La detección de objetos de aprendizaje profundo se está expandiendo en las minas de carbón.
• Las crecientes demandas de precisión desafían los recursos computacionales limitados en los entornos mineros.
• Los métodos existentes a menudo aumentan la profundidad y los parámetros de la red, exacerbando las limitaciones de recursos.

Objetivo del estudio:

• Proponer un novedoso algoritmo de detección de objetos, YOLOv8-EST, optimizado para las caras de las minas de carbón.
• Mejorar la extracción de características y la modelización de relaciones espaciales al tiempo que se reduce la complejidad computacional.
• Mejorar la precisión y la eficiencia de la detección para aplicaciones en tiempo real en la minería del carbón.

Principales métodos:

• Se introdujo el módulo Swin Transformer en YOLOv8 para mejorar la extracción de características.
• Se modificó la función de activación GELU para reducir la complejidad computacional y mejorar el rendimiento de entrenamiento.
• Se implementó la codificación de posición relativa utilizando una red de aprendizaje profundo para una mejor captura de relaciones espaciales.
• Se integró el mecanismo de atención EMA para centrarse en regiones críticas de la imagen y características relevantes.

Principales resultados:

• YOLOv8-EST demostró mejoras significativas en la precisión y eficiencia de la detección en un conjunto de datos personalizado de minería de carbón.
• El algoritmo logró una alta precisión al tiempo que redujo los requisitos computacionales y el tamaño del modelo.
• El análisis comparativo confirmó la eficiencia y utilidad del algoritmo en escenarios de minería de carbón.

Conclusiones:

• YOLOv8-EST ofrece una solución ideal para la detección de objetos en tiempo real, eficiente y precisa en las caras de las minas de carbón.
• El algoritmo equilibra eficazmente el alto rendimiento de detección con una carga computacional reducida.
• Esto contribuye a mejorar la seguridad y la eficiencia de la producción en la industria de la minería del carbón.