煤炭工程

作者：水怡飞,高贵军,焦少妮

单位：太原理工大学 机器人科学与工程学院，山西 太原 030024

关键词：输送带异物检测,YOLO,动态卷积,轻量化网络,

针对煤矿井下因环境噪声、目标尺度多变及遮挡等复杂因素导致的检测性能与实时性难以平衡的问题，文章提出一种基于改进YOLOv11的轻量高精度井下输送带异物检测方法。首先，在YOLOv11基础上引入融合多路径通道注意力的动态卷积模块（DCNv2-Dynamic），替换骨干网络中C3k2的常规卷积，增强复杂场景下关键特征的捕捉；其次，增加160×160检测层以强化小目标感知，同时移除冗余的20×20输出层以降低计算量；进一步，在检测头中嵌入分离与增强注意力模块（SEAM），缓解遮挡导致的信息丢失问题。实验结果表明，改进模型在计算量和体积分别降低26.2%和21.8%的同时，实现了mAP50与mAP50：95分别提升3.7%与10.8%的性能飞跃，为煤矿输送带异物检测提供了高效可靠的解决方案。

来源：2026年第2期

《煤炭工程》期刊编辑部

查看煤炭工程杂志2026年第2期