基于ALD-YOLO的采煤机作业液压支架防护板姿态智能识别方法

摘要

综合机械化采煤作业过程中，液压支架防护板的状态直接关系到高速采煤机的运行安全与生产效率。然而，复杂的井下环境使得防护板的状态检测难以完全依赖人工巡检或位姿传感器。因此，以煤矿井下工作面视频图像数据为基础，提出了一种基于主动学习驱动（ALD）的改进YOLOv8智能识别模型ALD-YOLO。通过设计轻量化降噪增强模块与动态融合模块，提升模型在复杂背景下的特征提取能力和抗干扰能力；结合主动学习策略，通过不确定性采样选取高信息量样本，提高模型训练效率。在DsLMF数据集的实验中，ALD-YOLO的平均精度均值（mAP）达到0.977，且收敛速度更快。该方法为综采工作面智能安全监控提供了高效、轻量、鲁棒的技术支撑。

关键词

液压支架 / 防护板 / YOLOv8 / 视觉检测 / 主动学习

基金资助

国家自然科学基金项目（52405566）; 山西省基础研究计划项目（202403021222177,202403021222145）; 山西省药品监督管理科学研究会研究课题（JYJY-2025-ZD-003）; 算力互联网与信息安全教育部重点实验室开放课题（2023PY009）; 山西省高等学校科技创新项目（2024L182）