基于改进YOLOv8s-seg模型的煤矸分割方法、设备及其介质与流程

本发明涉及图像处理，尤其涉及一种基于改进yolov8s-seg模型的煤矸分割方法、设备及其介质。

背景技术：

1、随着全球能源需求的不断增长和环保意识的日益加强，煤矿产业作为能源供应的重要支柱，其发展面临着前所未有的机遇与挑战。在煤矿开采过程中，综采工作面的煤矸识别是煤炭开采和加工过程中的重要环节，旨在通过检测后部尾梁支架放顶煤过程中矸石占比值是否超过设定的阈值来控制插板伸缩状态，以提高煤炭开采和加工的效率及质量。

2、现有煤矸识别方法主要包括射线法、振动信号法、声音信号法和视觉法。射线法识别煤矸受粉尘水雾影响小，但放射源有害健康，且易受煤中夹杂物影响；振动信号法具有实时性和适用性上的优势，但易受到外部环境噪声和多振动源的干扰；声音信号法则提供了多个维度的信息，但在信号传播及适用范围上存在一些限制。煤矸识别视觉法优点显著，主要表现在如下几个方面：非接触式检测避免损伤，高效精准识别提升效率，适应性强应对多变环境，智能化程度高减少人工干预，性价比高降低运营成本，是煤炭行业升级转型的理想选择。

3、煤矸识别算法结合煤矿井下不同应用场景形成针对性的视觉算法检测任务。郭永存等提出了一种新的模型优化方法-迁移权重和简化神经元，用于改进预训练卷积神经网络在煤矸识别任务中的性能，该方法通过迁移预训练模型的权重和简化网络中的神经元数量，有效地提高了煤矸识别的准确率，同时降低了模型训练时间和内存大小；贺海涛等介绍了一种用于分析后部刮板输送机上煤流视频中矸石占比的方法，首先，利用混合高斯模型对煤流视频中的运动煤流区域进行前景分割，进一步对前景分割后的煤流图像中的矸石区域进行语义分割。接着，通过比较前景分割和语义分割部分的图像像素面积，获取煤流视频流中二维图像上矸石的占比数据，最后，基于工人的实际经验，对含矸图像进行二分类，并利用这些图像的矸石占比数据计算出见矸关门的阈值，以辅助实现更有效的煤流管理和控制；何凯等提出一种基于ced-yolov5s模型的煤矸识别方法，通过引入坐标注意力机制、eiou回归损失函数和轻量化解耦头来改进yolov5s模型，以解决煤矿井下复杂工况下煤矸目标检测模型特征提取困难及分类、定位不准确的问题；司垒等提出了一种基于改进u-net网络模型的煤岩图像识别方法，通过采用深度分离卷积、res2net模块和条件随机场等技术手段，有效减少了网络模型的参数，提高了语义分割的效率和煤岩图像交界区域的精确性；单鹏飞等提出了一种改进的cbam faster r-cnn煤矸混合放出状态分析识别方法，该方法将注意力机制算法(cbam)融入resnet50特征提取网络，通过优化融合方法，确定了最佳的融合位置来检测煤矸石的下落状态。这一改进增强了模型对煤与矸石权重信息的提取能力，使模型能够更准确地关注煤矸的运动状态参量；闫志蕊等提出一种基于改进deeplabv3+和迁移学习的煤岩界面图像识别方法，进一步提高了煤岩界面图像识别的精度和效率。然而上述煤矸识别算法的模型均基于目标检测及语义分割技术，对于综采工作面放顶煤应用场景需要像素级别的实例分割算法，上述方法应用于综采工作面放顶煤应用场景存在分割速度慢且分割精度不高的问题。

技术实现思路

1、本发明要解决的技术问题是：为了解决现有技术应用于综采工作面放顶煤应用场景时存在分割速度慢且分割精度不高的问题，本发明提供一种基于改进yolov8s-seg模型的煤矸分割方法，分割速度快，准确率高。

2、本发明解决其技术问题所采用的技术方案是：一种基于改进yolov8s-seg模型的煤矸分割方法，所述方法包括以下步骤：

3、s1，在边缘计算模块中进行相机参数配置，配置完成后启动相机；

4、s2，所述相机采集放顶煤过程中矸石实时图像；

5、s3，以改进yolov8s-seg模型作为煤矸实例分割模块，读取实时图像，通过所述煤矸实例分割模块对所述图像进行分割及测量，得到矸石占比结果；

6、s4，所述边缘计算模块将所述矸石占比结果传输至液压支架控制器，所述液压支架控制器基于所述矸石占比结果决定放煤是否结束或插板状态；

7、s5，若所述相机终止采集，流程结束；反之，则返回到步骤s2。

8、进一步，具体地，所述改进yolov8s-seg模型构建包括以下步骤：

9、s21、采集若干煤炭和矸石的图像样本，将图像样本划分为训练集、验证集和测试集，并进行标注同时完成煤炭和矸石的数据集；

10、s22、搭建yolov8s-seg模型，所述yolov8s-seg模型包括输入模块、backbone模块和head模块，分别对所述backbone模块和所述head模块改进，得到改进的yolov8s-seg模型；

11、s23、利用训练集对改进yolov8s-seg模型进行训练；

12、s24、利用验证集对改进yolov8s-seg模型进行测试，从而测试改进yolov8s-seg模型进行训练是否准确；

13、s25、利用训练后的改进yolov8s-seg模型对测试集中的图像样本进行检测，并对测试集的检测结果进行检测精度和检测效率评价。

14、进一步，具体地，在所述步骤s22中，所述backbone模块包括：conv单元、c2f单元以及sppf单元；

15、在所述c2f单元引入gnconv，引入后形成gnconv_c2f单元，每个所述gnconv_c2f单元后还设置有biformer单元；

16、将所述sppf单元替换为mb3d_sppf单元。

17、进一步，具体地，在所述步骤s22中，将所述head模块中的耦合头优化为解耦头，并将anchor-based检测头优化为anchor-free检测头。

18、进一步，具体地，所述gnconv_c2f单元中的n修改为原来的三分之一。

19、进一步，具体地，所述biformer单元引入双层路由注意机制。

20、进一步，具体地，所述mb3d_sppf单元计算过程包括：

21、

22、

23、其中，χi是输入图像，批大小为b，空间大小为[h,w]，cj是第j个阶段的通道数；

24、其中，linearg表示线性后跟gelu，ln表示层规范化，并且

25、

26、q、k、v表示通过线性投影学习的query、key和value，b是作为位置编码的参数化注意力偏差。

27、进一步，具体地，所述步骤s4具体包括：

28、将所述矸石占比结果与预设阈值比较；

29、若所述矸石占比结果大于预设阈值，则放煤结束且插板伸出；

30、若所述矸石占比结果小于预设阈值，则继续进行放煤并收起插板。

31、一种计算机设备，包括：

32、处理器；

33、存储器，用于存储可执行指令；

34、其中，所述处理器用于从所述存储器中读取所述可执行指令，并执行所述可执行指令以实现如上所述的基于改进yolov8s-seg模型的煤矸分割方法。

35、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时，使得处理器实现如上所述的基于改进yolov8s-seg模型的煤矸分割方法。

36、本发明的有益效果是，本发明的基于改进yolov8s-seg模型的煤矸分割方法，相对现有技术实例分割算法耗时长，难以兼顾分割效果和推理速度两个指标，本发明对yolov8s-seg模型改进，模型性能好，显著提高了煤矸分割精度和分割效率，能够满足综采工作面煤矸分割实时性需求。