基于深度学习的矿井小目标检测研究

赵杰, 张爱鑫

doi:10.13436/j.mkjx.202608039

煤矿机械 ›› 2026, Vol. 47 ›› Issue (8) : 214 -220. DOI: 10.13436/j.mkjx.202608039

基于深度学习的矿井小目标检测研究

赵杰, 张爱鑫

作者信息 +

Author information +

文章历史 +

摘要

矿井作业场景复杂且光照不均，导致传统深度学习模型在小目标检测任务中的精确率与召回率较低。提出一种基于YOLOv11改进的矿井小目标检测模型。首先，将HiLo注意力机制模块与YOLOv11 Backbone中的C2PSA模块融合，以提升模型检测速度与精度；其次，将自适应全局上下文增强（AGCA）模块与Backbone卷积模块融合，构建新型融合卷积模块，优化矿井场景下的特征提取性能；最后，引入完全并交比损失（CIoU Loss）函数，有效提升模型定位精度并改善训练过程的收敛特性。实验结果显示，改进后模型的mAP50指标提升5个百分点，精确率提升4个百分点。