YOLOv8-ESTに基づく炭鉱の作業面状態検出

科学分野:

• コンピュータサイエンス
• 人工知能
• ディープラーニング

背景:

• ディープラーニング物体検出は石炭鉱山で拡大しています。
• 精度要求の増加は、鉱業環境における限られた計算リソースに課題を突きつけています。
• 既存の方法では、ネットワークの深さとパラメータが増加することが多く、リソースの制約を悪化させます。

研究 の 目的:

• 石炭採掘面用に最適化された新しい物体検出アルゴリズム、YOLOv8-ESTを提案すること。
• 特徴抽出と空間関係モデリングを強化し、計算複雑性を削減すること。
• 石炭鉱業におけるリアルタイムアプリケーションの検出精度と効率を向上させること。

主な方法:

• 特徴抽出を強化するためにSwin TransformerモジュールをYOLOv8に導入しました。
• 計算複雑性を削減し、トレーニングパフォーマンスを向上させるためにGELU活性化関数を修正しました。
• より良い空間関係のキャプチャのために、ディープラーニングネットワークを使用した相対位置エンコーディングを実装しました。
• 重要な画像領域と関連する特徴に焦点を当てるために、EMAアテンションメカニズムを統合しました。

主要な成果:

• YOLOv8-ESTは、カスタム石炭鉱業データセットにおいて、検出精度と効率において大幅な改善を示しました。
• アルゴリズムは、計算要件とモデルサイズを削減しながら、高い精度を達成しました。
• 比較分析により、石炭鉱業シナリオにおけるアルゴリズムの効率性と有用性が確認されました。

結論:

• YOLOv8-ESTは、石炭採掘面におけるリアルタイムで効率的かつ正確な物体検出のための理想的なソリューションを提供します。
• アルゴリズムは、高い検出パフォーマンスと削減された計算負荷の効果的なバランスをとります。
• これは、石炭鉱業産業における生産安全と効率の向上に貢献します。