煤炭工程

作者：冯　楷,寇子明,王雨桐,韩　聪

单位：1. 太原理工大学机械工程学院，山西 太原 0300242. 矿山流体控制国家地方联合工程实验室，山西太原 030024

关键词：带式输送机,纵向撕裂检测,YOLOv11,ADown下采样模块,FPSC共享卷积特征金字塔,Aux辅助检测头,

由于井下带式输送机输送带纵向撕裂故障检测往往无法兼顾检测速度与检测精度，当满足较高的检测精度时，可能导致撕裂未被及时发现而卷入滚筒或托辊中，引发次生安全事故；当满足较快的检测速度时，容易误报触发不必要的停机和未能识别真实撕裂，导致故障潜伏发展，最终引发灾难性破坏，所以文章提出了一种基于改进YOLOv11的AFA-YOLO深度学习算法。通过引入下采样模块（Adown）、共享卷积特征金字塔（FPSC）和辅助检测头（Aux）。在模拟矿井下的输送带纵撕数据集上进行实验，结果表明，AFA-YOLO 模型的mAP@ . 5值达到96.30%，相比YOLOv11提升了3.55%，计算复杂度（GFLOPs）降低了17.19%。AFA-YOLO模型在精度和速度上能够实现最优平衡，满足井下复杂环境的检测需求。

来源：2026年第3期

《煤炭工程》期刊编辑部

查看煤炭工程杂志2026年第3期