岩石破碎作为采矿业中获取有价值矿物的关键环节,其效率与安全性对整个采矿过程至关重要。然而,露天采矿往往面临复杂多变的恶劣环境条件,如极端气候、光照不足、粉尘弥漫等,这些因素不仅显著降低了岩石破碎的效率,还大幅增加了发生安...岩石破碎作为采矿业中获取有价值矿物的关键环节,其效率与安全性对整个采矿过程至关重要。然而,露天采矿往往面临复杂多变的恶劣环境条件,如极端气候、光照不足、粉尘弥漫等,这些因素不仅显著降低了岩石破碎的效率,还大幅增加了发生安全事故的概率。在此背景下,本文提出一种基于改进YOLOv8n(You Only Look Once)的恶劣环境下岩石检测方法。该方法的核心之处在于:一是在YOLOv8n的主干网络的浅层引入差分边缘增强模块(Detail Enhancement,DE),通过增强检测目标的边缘信息,有效突出岩石在复杂背景中的轮廓特征;二是通过矩阵化颜色校正模块(Matrix-based Color Correction,MCC),构建全局颜色变换矩阵,对输入特征图进行全局颜色变换与局部细节优化,进一步提升特征表达的鲁棒性与准确性。实验结果表明,本文提出的方法能够显著提升恶劣环境下的岩石检测精度,为露天采矿中的岩石破碎作业提供了一种高效、可靠的检测技术。展开更多
文摘岩石破碎作为采矿业中获取有价值矿物的关键环节,其效率与安全性对整个采矿过程至关重要。然而,露天采矿往往面临复杂多变的恶劣环境条件,如极端气候、光照不足、粉尘弥漫等,这些因素不仅显著降低了岩石破碎的效率,还大幅增加了发生安全事故的概率。在此背景下,本文提出一种基于改进YOLOv8n(You Only Look Once)的恶劣环境下岩石检测方法。该方法的核心之处在于:一是在YOLOv8n的主干网络的浅层引入差分边缘增强模块(Detail Enhancement,DE),通过增强检测目标的边缘信息,有效突出岩石在复杂背景中的轮廓特征;二是通过矩阵化颜色校正模块(Matrix-based Color Correction,MCC),构建全局颜色变换矩阵,对输入特征图进行全局颜色变换与局部细节优化,进一步提升特征表达的鲁棒性与准确性。实验结果表明,本文提出的方法能够显著提升恶劣环境下的岩石检测精度,为露天采矿中的岩石破碎作业提供了一种高效、可靠的检测技术。
