Method for counting coal mine drill pipes based on YOLOv11_OBB
-
摘要:
针对煤矿井下打钻图像识别泛化能力差、钻杆计数不准确等问题，采集并标注了煤矿井下钻杆计数数据集CMDPC_OBB，提出了一种基于YOLOv11_OBB的煤矿钻杆计数方法。该方法包括打钻图像识别模型YOLOv11_OBB和场景自适应的钻杆计数算法2个部分。YOLOv11_OBB采用旋转边界框，精准捕获具有倾斜角度的打钻图像，通过L2正则化处理改进YOLOv11颈部网络，降低权重波动对特征融合的干扰，使模型训练更加稳定；场景自适应的钻杆计数算法通过追踪目标钻杆与钻机尾部关键点之间的运动轨迹及多条件判断峰值实现自动计数，减少了与计数无关的钻杆对计数准确率的影响；将YOLOv11_OBB学习到的图像特征作为潜在知识指导钻杆计数的推理逻辑。在CMDPC_OBB数据集上的实验结果表明，YOLOv11_OBB的图像识别精度为93.5%，与YOLOv5L_OBB，YOLOv8L_OBB相比分别提升了8.2%，3.0%；钻杆计数算法的准确率为97.96%，模型识别速度为34帧/s，计数速度为79帧/s，满足实时计数要求。
-
关键词:
- 钻杆计数 /
- 旋转目标检测 /
- 深度学习 /
- 场景自适应 /
- YOLOv11_OBB
Abstract:To address the issues of poor generalization in downhole drilling image recognition and inaccurate drill pipe counting in coal mines, this study collected and annotated a dedicated dataset CMDPC_OBB, and proposed a method for drill pipe counting based on YOLOv11_OBB. The method consisted of two components: the YOLOv11_OBB-based drilling image recognition model and a scene-adaptive drill pipe counting algorithm. YOLOv11_OBB used rotated bounding boxes to accurately capture drilling images with inclined angles. By applying L2 regularization to improve the neck network of YOLOv11, weight fluctuation interference in feature fusion was reduced, ensuring more stable model training. The scene-adaptive counting algorithm tracked the motion trajectory between target drill pipes and key points at the drill rig's tail while employing multi-condition peak judgment to achieve automatic counting, thereby minimizing the impact of irrelevant pipes on accuracy. In addition, the image features learned by YOLOv11_OBB served as latent knowledge to guide the counting logic. Experimental results on the CMDPC_OBB dataset show that YOLOv11_OBB achieves an image recognition accuracy of 93.5%, outperforming YOLOv5L_OBB and YOLOv8L_OBB by 8.2% and 3.0%, respectively. The counting algorithm achieves an accuracy of 97.96%, with a model recognition speed of 34 FPS and a counting speed of 79 FPS, meeting real-time requirements.
-
Keywords:
- drill pipe counting /
- rotated target detection /
- deep learning /
- scene adaptation /
- YOLOv11_OBB
-
0. 引言
我国煤矿供配电系统通常采用中性点非有效接地方式，该方式在发生单相接地故障时可短暂运行[1]。但中性点非有效接地方式下的供电线路大多采用电缆线路，导致井下供电系统复杂，电压等级较多，发生单相接地故障时对地电容大，导致接地故障过电压产生概率增大，极易在接地点形成间歇性电弧，出现弧光接地过电压，严重时会造成大面积停电，影响电气设备正常运行，危及矿井供电安全及井下工作人员人身安全[2]。若不能快速抑制电弧，易引起超过3倍相电压的系统过电压，会发展为永久性单相接地故障，极易造成相间短路故障[3-4]。当前主要通过中性点经消弧线圈接地或经电阻接地对电弧进行快速抑制。在我国煤矿10 kV变电站中变压器绕组最常用的接线方式是三角形接线，该方式无中性点引出，需通过专用接地变压器人为引出中性点连接消弧线圈，而大多数变电站采用的接地变压器为Z型接地变压器[5]。
影响单相接地故障产生电弧的主要因素包括接地故障电流和间歇性电弧过电压，其中间歇性电弧过电压包括故障相恢复电压的速度、恢复电压幅值和恢复时间 [6-7]。根据影响因素来确定补偿目标，将补偿目标方法（单相接地故障消弧方法）分为电压消弧法和电流消弧法。电压消弧法是指控制故障相恢复电压为零，达到故障残流为零[8]。电流消弧法是指利用中性点接地电抗补偿接地故障残流，降低介质损伤和故障相恢复电压的上升速度，促进故障消弧[8]。
许多学者针对煤矿配电网单相接地故障消弧方法进行了研究。文献[9]通过控制三相级联H桥变流器分相向配电网各相注入电流，以补偿接地故障电流，并抑制故障相电源电压为零，该方法弊端是需解决补偿器件耐压问题，且实现成本较高。文献[10]提出了中性点电阻接地超前相接电感、中性点电抗接地滞后相接电容的方法，该方法难以准确测量配电网对地参数，不能判别故障相，受限于实际应用，操作较复杂。文献[11]在消弧线圈与接地变压器组合的基础上，研制出三相五柱式消弧线圈，采用可控硅调节二次电感电流的方法，实现配电网对地电容电流的自动跟踪补偿，但该方法的消弧效果不佳。文献[12]在零序电压柔性控制的配电网接地故障消弧与保护新原理的基础上，提出了一种配电网三相不对称电压抑制的新原理，故障初期通过脉宽调制有源逆变器注入零序电流补偿接地故障电流，从而控制零序电压，实现瞬时故障消弧，但该方法配备的有源逆变器容量大、成本高且体积大。
针对现有中性点非有效接地配电网单相接地故障消弧方法的消弧效果不佳、难以精准测量配电网对地参数等问题，设计了一种基于Z型接地变压器的配电网单相接地故障柔性消弧系统。当配电网发生接地故障时，测量配电网电压和中性点电压，判断出故障相后迅速闭合其对应的快速投切开关，同时投入有源逆变器与Z型接地变压器功率转换模块，进而使中性点电压反相钳位至故障相电源电压，且二者幅值相等，即可达到故障点稳定消弧的目标。
1. 基本原理
1.1 Z型接地变压器原理
接地补偿电流本质上是零序电流，而接地变压器由于特殊的连结方式，具有非常小的零序阻抗特点，使零序电流可正常流过接地变压器[13]。柔性消弧系统中接地变压器Zn，yn11接线方式如图1所示，图中X1，X2，X3分别为Z型接地变压器高压侧与中性点非有效接地系统连接的一端，X4，X5，X6分别为Z型接地变压器高压侧与中性点接消弧线圈相连的一端，a，b，c分别为Z型接地变压器低压侧。Z型接地变压器的三相绕组按Z型连接，且各相芯柱中的2段绕组匝数相同、极性相反。当配电网发生单相接地故障时，该接地变压器对正序和负序电流产生非常大的阻抗，流过的正序、负序电流较小。同时，同一芯柱上的2段绕组流过相等的零序电流而产生相互抵消的磁通，对零序电流产生低阻抗，可使系统零序电流正常通过[13]。Z型接地变压器可满足系统对零序阻抗小的要求，能够更好地配合消弧线圈使用，同时可使零序接地保护正确动作。
1.2 柔性消弧系统原理
柔性消弧系统原理如图2所示，其中，配电网系统主变压器为Y−∆连接，EA，EB，EC分别为A，B，C三相线路电源电动势，RA，RB，RC分别为A，B，C三相线路对地电阻，CA，CB，CC分别为A，B，C三相线路对地电容， Z0为消弧线圈阻抗，Y0为中性点接地导纳，Yf为接地故障导纳。GLB为隔离变压器，ZRB为注入变压器。
假设A相发生单相接地故障，由基尔霍夫定律可得
$$ \begin{split} {{\boldsymbol{I}}_1} =& \left( {{Y_{\text{A}}} + {Y_{\text{f}}}} \right)({{\boldsymbol{E}}_{\text{A}}} + {{\boldsymbol{U}}_{\text{N}}}) + {Y_{\text{B}}}({{\boldsymbol{E}}_{\text{B}}} + {{{{\boldsymbol{U}}}}_{\text{N}}}) +\\& {Y_{\text{C}}}\left( {{{\boldsymbol{E}}_{\text{C}}} + {{\boldsymbol{U}}_{\text{N}}}} \right) + {Y_{\text{0}}}{{\boldsymbol{U}}_{\text{N}}} \end{split}$$ (1) $$ \left\{ \begin{gathered} Y_{\text{A}} = {\text{j}}\omega C_{\text{A}} + \frac{1}{{R_{\text{A}}}} \hfill \\ Y_{\text{B}} = {\text{j}}\omega C_{\text{B}} + \frac{1}{{R_{\text{B}}}} \hfill \\ Y_{\text{C}} = {\text{j}}\omega C_{\text{C}} + \frac{1}{{R_{\text{C}}}} \hfill \\ Y_{\text{f}} = \frac{1}{{R_{\text{f}}}} \hfill \\ Y_{\text{0}} = \frac{1}{{Z_{\text{0}}}} \hfill \\ \end{gathered} \right. $$ (2) 式中：I1为零序电流；YA，YB，YC分别为A，B，C三相线路总导纳；UN为中性点电压；Rf为接地故障电阻。
假设三相电源对称，即
$$ {\boldsymbol{E}}_{{\rm{A}}}{\text{ + }}{\boldsymbol{E}}_{{\rm{B}}}{\text{ + }}{\boldsymbol{E}}_{{\rm{C}}}{\text{ = 0}} $$ (3) $$ {Y_{\text{A}}} = {Y_{\text{B}}} = {Y_{\text{C}}} $$ (4) 则式（1）可化简为
$$ {{\boldsymbol{I}}_1} = \left( {{Y_{\text{A}}} + {Y_{\text{B}}} + {Y_{\text{C}}}} \right){{\boldsymbol{U}}_{\rm{N}}} + {Y_{\text{0}}}{{\boldsymbol{U}}_{\rm{N}}} + {Y_{\text{f}}}\left( {{{\boldsymbol{E}}_{\text{A}}} + {{\boldsymbol{U}}_{\rm{N}}}} \right) $$ (5) 故障相电源电压为
$$ {\boldsymbol{U}}_{A}{\text{ = }}{\boldsymbol{U}}_{{\rm{N}}}{\text{ + }}{\boldsymbol{E}}_{A} $$ (6) 当
${\boldsymbol{I}}_{1}{{ = 3Y}}_{{\rm{A}}}{\boldsymbol{U}}_{{\rm{N}}}{{ + Y}}_{0}{\boldsymbol{U}}_{{\rm{N}}}$ 时，可得${\boldsymbol{U}}_{{\rm{A}}}{\text{ = }}0$ ，即$$ {\boldsymbol{U}}_{\text{N}} = - {\boldsymbol{E}}_{{\rm{A}}} $$ (7) 向中性点注入零序电流I1即可将故障相电源电压UA降低为零，但该方法需精确测量配电网对地参数。考虑到系统对地参数难以精确测量，因此采用式（7）控制目标，达到故障点可靠消弧。
当系统发生A相单相接地故障时，根据接地变压器高低压侧关系可知，Z型接地变压器低压侧c，a相电压−Uca相位与故障相电源电压UA相位一致，此时有源逆变器输出电压
$ {\boldsymbol{U }}= - {{\boldsymbol{U}}_{{\text{ca}}}} + $ $ \lambda {{\boldsymbol{U}}_{\text{N}}} $ ，λ为ZRB变比。调控有源逆变器输出电压，使中性点电压等于故障相电源电动势的相反数，实现故障点电压远小于熄弧电压，达到接地故障消弧。2. 柔性消弧系统流程
柔性消弧系统流程如图3所示。当配电网发生接地故障时，首先实时测量配电网的三相电源电动势和中性点电压，当中性点电压幅值大于三相电源电动势的15%时，可判断为接地故障；对比三相电源电动势，其中电源电动势最小相为故障相。在单相接地故障发生后，迅速闭合故障相对应的快速投切开关，同时投入有源逆变器和Z型接地变压器功率转换，强制使中性点电压与故障相电源电动势呈等幅值反相位，进而达到故障消弧。一定时间延时后切除快速投切开关，若中性点电压有效降低，则可判断该故障为瞬时性接地故障，即可恢复配电网正常运行，否则判断为永久性故障，采取故障馈线隔离措施，恢复配电网正常运行。
3. 仿真分析
通过Matlab/Simulink模块搭建10 kV中性点非有效接地配电网单相接地故障仿真模型，如图4所示，图中If为故障点电流，Uf为故障点电压。Z型接地变压器高压侧一端在中性点非有效接地系统侧做Z型接线后引出中性点N，再经消弧线圈Lp接地。ZRB变比λ=6 000∶400，Z型接地变压器高低压侧变比λ1=10 000∶400，GLB变比λ2=1 000∶200。
![]()
图 4 中性点非有效接地配电网单相接地故障仿真模型Figure 4. Simulation model of single-phase to ground fault of neutral point non-effectively grounded distribution network3.1 Z型接地变压器功率转换
Z型接地变压器功率转换是指利用Z型接地变压器对故障相电源电压进行反相钳位补偿。模拟接地故障过渡电阻为500，3 000 Ω的单相接地故障，仿真波形如图5—图8所示，仿真结果见表1。仿真时间为0.4 s，在0.05 s时发生A相接地故障，0.1 s时投入Z型接地变压器功率转换。
![]()
图 5 故障相电源电压相反数和中性点电压仿真波形(过渡电阻500 Ω)Figure 5. Simulation waveforms of the opposite number of the fault phase power supply voltage and the neutral point voltage (transition resistance 500 Ω)![]()
图 8 故障点电压、故障点电流和消弧装置注入电流仿真波形(过渡电阻3 000 Ω)Figure 8. Simulation waveforms of fault point voltage, fault point current and injection current of arc suppression device (transition resistance 3 000 Ω)表 1 不同过渡电阻下仿真结果Table 1. Simulation results under different transition resistances过渡电阻/Ω −EA/V UN/V Uf/V If/A I1/A 500 未投 5 759 4 810 3 032 6.06 无 投入 5 759 5 854 649 1.30 2.42 3 000 未投 5 759 1 530 5 169 1.73 − 投入 5 759 5 841 910 0.30 3.36 由图5可知，当0.05 s发生A相接地故障且过渡过渡电阻为500 Ω时，中性点电压有效值（最大值与有效值的比值为
$ \sqrt 2 $ ）为4 810 V，故障相电源电压相反数有效值为5 759 V，二者在幅值和相位上存在一定偏差；在0.1 s投入Z型接地变压器功率转换后，中性点电压幅值在0.17 s后迅速追上故障相电源电压。由图6可知，当0.05 s发生故障时，故障点电压有效值为3 032 V，故障点电流有效值为6.06 A。通过Z型接地变压器功率转换0.17 s后，故障点电压有效值为649 V，抑制率达79%；故障点电流有效值为1.3 A，抑制率达79%。
![]()
图 6 故障点电压、故障点电流和消弧装置注入电流仿真波形(过渡电阻500 Ω)Figure 6. Simulation waveforms of fault point voltage, fault point current and injection current of arc suppression device (transition resistance 500 Ω)由图7可知，当0.05 s发生A相接地故障且过渡电阻为3 000 Ω时，中性点电压有效值为1 530 V，故障相电源电压相反数有效值为5 759 V，二者在幅值和相位上存在一定偏差；在0.1 s投入Z型接地变压器功率转换后，中性点电压幅值在0.18 s后迅速追上故障相电源电压。
![]()
图 7 故障相电源电压相反数和中性点电压仿真波形(过渡电阻3 000 Ω)Figure 7. Simulation waveforms of the opposite number of the fault phase power supply voltage and the neutral point voltage (transition resistance 3 000 Ω)由图8可知，当0.05 s发生故障时，故障点电压有效值为5 169 V，故障点电流有效值为1.73 A。通过Z型接地变压器功率转换0.18 s后，故障点电压有效值为910 V，抑制率达82%；故障点电流有效值为0.30 A，抑制率达83%。
说明当系统发生单相接地故障时，通过Z型接地变压器功率转换可有效降低故障点电压和故障点电流。但降低后的故障点电压仍高达600 V以上，尚未完全达到消弧效果，且易发生触电事故，煤矿操作人员仍不能实现不停电作业。
3.2 柔性消弧系统
消弧线圈只能补偿故障残流中的无功残流，引入有源逆变器对故障残流中的有功残流和谐波残流进行精确补偿。有源逆变器容量仅为10 kVA，通过Z型接地变压器功率转换，将中性点电压反相钳制接近于故障相电源电压，中性点电压与故障相电源电压差值的幅值和相位由有源逆变器补偿。模拟接地故障过渡电阻为500，3 000 Ω的单相接地故障，仿真波形如图9—图12所示，仿真结果见表2。仿真时间为0.4 s，0.05 s时发生A相接地故障，0.1 s时投入柔性消弧系统。
![]()
图 9 故障相电源电压相反数和中性点电压仿真波形(过渡电阻500 Ω)Figure 9. Simulation waveforms of the opposite number of the fault phase power supply voltage and the neutral point voltage(transition resistance 500 Ω)![]()
图 12 故障点电压、故障点电流和柔性消弧系统注入电流仿真波形(过渡电阻3 000 Ω)Figure 12. Simulation waveforms of fault point voltage, fault point current and injection current of flexible arc suppression system (transition resistance 3 000 Ω)表 2 不同过渡电阻下仿真结果Table 2. Simulation results under different transition resistances过渡电阻/Ω −EA/V UN/V Uf/V If/A I1/A 500 未投 5 759 4 810 3 032 6.06 无 投入 5 759 5 765 61.06 0.12 3.49 3000 未投 5 759 1 530 5 169 1.73 无 投入 5 759 5 852 62.79 0.02 3.55 由图9可知，当0.05 s发生A相接地故障且过渡电阻为500 Ω时，中性点电压有效值为4 810 V，故障相电源电压相反数有效值为5 759 V，二者在幅值和相位上存在一定偏差；在0.1 s投入柔性消弧系统后，中性点电压有效值为5 765 V，故障相电源电压相反数有效值为5 759 V，中性点电压的幅值和相位在0.16 s后迅速追上故障相电源电压。
由图10可知，当0.05 s发生A相接地故障时，故障点电压有效值为3 032 V，故障点电流有效值为6.06 A。投入柔性消弧系统0.16 s后，故障点电压有效值为61.06 V，抑制率达98%；故障点电流有效值为0.12 A，抑制率达98%。
![]()
图 10 故障点电压、故障点电流和柔性消弧系统注入电流仿真波形(过渡电阻500 Ω)Figure 10. Simulation waveforms of fault point voltage, fault point current and injection current of flexible arc suppression system(transition resistance 500 Ω)由图11可知，当0.05 s发生A相接地故障且过渡电阻为3 000 Ω时，中性点电压有效值为1 530 V，故障相电源电压相反数有效值为5 759 V，二者在幅值和相位上存在一定偏差；在0.1 s投入柔性消弧系统后，中性点电压有效值为5 852 V，故障相电源电压相反数有效值为5 759 V，中性点电压的幅值和相位在0.17 s后迅速追上故障相电源电压。
![]()
图 11 故障相电源电压相反数和中性点电压仿真波形(过渡电阻3 000 Ω)Figure 11. Simulation waveforms of the opposite number of the fault phase power supply voltage and the neutral point voltage(transition resistance 3 000 Ω)由图12可知，当0.05 s发生A相接地故障时，故障点电压有效值为5 169 V，故障点电流有效值为1.73 A。投入柔性消弧系统0.17 s后，故障点电压有效值为62.79 V，抑制率达99%；故障点电流有效值为0.02 A，抑制率达99%。
相对仅通过Z型接地变压器功率转换，采用柔性消弧系统可有效提高故障抑制率，消弧效果好且响应速度快。由于加入了有源逆变器对中性点电压和故障相电源电压相反数的差值进行精确补偿，使故障残流产生的有功残流和谐波残流得到充分补偿，实现了不同过渡电阻下故障消弧目标。
4. 结语
针对当前中性点非有效接地配电网单相接地故障消弧问题，设计了基于Z型接地变压器的配电网单相接地故障柔性消弧系统。通过Z型接地变压器功率转换，将中性点电压反相钳制接近于故障相电源电压，中性点电压与故障相电源电压差值偏差电压的幅值和相位由有源逆变器补偿。仿真结果表明，单相接地故障过渡电阻为500，3 000 Ω时，仅通过Z型接地变压器功率转换，故障点电压和电流抑制率达79%~83%，不能完全达到消弧效果；采用柔性消弧系统可有效抑制故障点电压和电流，抑制率达98%以上。说明基于Z型接地变压器的配电网单相接地故障柔性消弧系统可实现配电网单相接地故障的可靠消弧。
-
![]()
图 5 YOLOv11_OBB打钻图像识别模型训练过程
Figure 5. Training process of YOLOv11_OBB drilling image recognition model
![]()
图 7 YOLOv11_OBB在CMDPC_OBB测试集上的识别结果
Figure 7. Recognition results of YOLOv11_OBB on CMDPC_OBB test set
表 1 CMDPC_OBB数据集划分及标签分布
Table 1 CMDPC_OBB dataset partitioning and label distribution
数据类别 标签 标注数量/张 训练集 验证集 测试集 合计 钻机整体 Drill_body 8 716 1 244 2 496 12 456 钻机头部 Drill_head 8 811 1 158 2 465 12 434 钻机尾部 Drill_tail 8 823 1 236 2 521 12 580 钻机钻杆 Drill_pipe 16 840 2 320 4 814 23 974 合计 43 190 5 958 12 296 61 444 
下载: 导出CSV
表 2 不同目标检测模型在CMDPC_OBB测试集上的识别结果
Table 2 Recognition results of different target detection models on CMDPC_OBB test dataset
模型 精确率 召回率 mAP@
0.5mAP@
[0.5:0.95]参数量/
106个GFLOPs 帧率/
（帧·s−1）YOLOv5L[21] 0.826 0.590 0.663 0.330 2.5 7.810 42 YOLOv6L[22] 0.834 0.588 0.650 0.306 3.9 10.650 46 YOLOv8L[23] 0.833 0.578 0.643 0.308 4.0 10.330 56 YOLOv10L[24] 0.831 0.596 0.649 0.340 2.6 8.488 32 YOLOv5L_OBB 0.853 0.538 0.646 0.336 1.9 5.810 31 YOLOv8L_OBB 0.905 0.710 0.782 0.482 3.5 9.136 38 YOLOv8_OBB_DG[11] 0.929 0.69 0.780 0.493 2.8 7.500 32 YOLOv11_OBB 0.935 0.686 0.796 0.508 2.5 8.390 34
下载: 导出CSV
表 3 钻杆计数方法对比实验结果
Table 3 Comparative experimental results of drill pipe counting methods
视频 时长/s 打钻
类型人工计
数/根基于YOLOv11_OBB的
钻杆计数方法DC_SPC_KEY
计数方法算法计
数/根误计
率/%帧率/
（帧·s−1）算法计
数/根误计
率/%帧率/
（帧·s−1）视频1 300 退钻 105 103 1.904 80 103 1.904 77 视频2 309 退钻 52 52 0 79 51 1.923 78 视频3 200 进钻 12 12 0 81 12 0 79 视频4 300 进钻 16 15 6.250 77 15 6.250 76
下载: 导出CSV
-
[1] 张增辉,张海峰,朱兴林. 煤矿井下打钻视频管理系统研究与设计[J]. 煤矿机械,2024,45(7):184-186. ZHANG Zenghui,ZHANG Haifeng,ZHU Xinglin. Research and design of video management system for underground drilling in coal mine[J]. Coal Mine Machinery,2024,45(7):184-186.
[2] 彭业勋. 煤矿井下钻杆计数方法研究[D]. 西安:西安科技大学,2019. PENG Yexun. Research on counting method of drill pipe in coal mine[D]. Xi'an:Xi'an University of Science and Technology,2019.
[3] 梁运培,郑梦浩,李全贵,等. 我国煤与瓦斯突出预测与预警研究现状[J]. 煤炭学报,2023,48(8):2976-2994. LIANG Yunpei,ZHENG Menghao,LI Quangui,et al. A review on prediction and early warning methods of coal and gas outburst[J]. Journal of China Coal Society,2023,48(8):2976-2994.
[4] REDMON J,FARHADI A. YOLOv3:an incremental improvement[EB/OL]. [2025-01-10]. https://arxiv.org/abs/1804.02767v1.
[5] 姜媛媛,刘宋波. 基于改进YOLOv8n的煤矿井下钻杆计数方法[J]. 工矿自动化,2024,50(8):112-119. JIANG Yuanyuan,LIU Songbo. A coal mine underground drill pipes counting method based on improved YOLOv8n[J]. Journal of Mine Automation,2024,50(8):112-119.
[6] 方杰,李振璧,夏亮. 基于ECO−HC的钻杆计数方法[J]. 煤炭技术,2021,40(11):186-189. FANG Jie,LI Zhenbi,XIA Liang. Drill pipe counting method based on ECO-HC[J]. Coal Technology,2021,40(11):186-189.
[7] 高瑞,郝乐,刘宝,等. 基于改进ResNet网络的井下钻杆计数方法[J]. 工矿自动化,2020,46(10):32-37. GAO Rui,HAO Le,LIU Bao,et al. Research on underground drill pipe counting method based on improved ResNet network[J]. Industry and Mine Automation,2020,46(10):32-37.
[8] 冉庆庆,董立红,温乃宁. 改进YOLOv8的煤矿井下低照度图像钻杆计数方法[J/OL]. 电子测量技术:1-12[2025-05-08]. http://kns.cnki.net/kcms/detail/11.2175.TN.20250425.1132.018.html. RAN Qingqing,DONG Lihong,WEN Naining. Improved YOLOv8 method for counting drill pipe in low illumination image of coal mine underground[J/OL]. Electronic Measurement Technology:1-12[2025-05-08]. http://kns.cnki.net/ kcms/detail/11.2175.TN.20250425.1132.018.html.
[9] 王旭,吴艳霞,张雪,等. 计算机视觉下的旋转目标检测研究综述[J]. 计算机科学,2023,50(8):79-92. DOI: 10.11896/jsjkx.221000148 WANG Xu,WU Yanxia,ZHANG Xue,et al. Survey of rotating object detection research in computer vision[J]. Computer Science,2023,50(8):79-92. DOI: 10.11896/jsjkx.221000148
[10] SHI Pengfei,ZHAO Zhongxin,FAN Xinnan,et al. Remote sensing image object detection based on angle classification[J]. IEEE Access,2021,9:118696-118707. DOI: 10.1109/ACCESS.2021.3107358
[11] 张富凯,赵硕,张强,等. 基于旋转目标检测与显著性峰值推理的煤矿井下钻杆计数方法[J/OL]. 煤炭学报:1-15[2025-05-08]. https://doi.org/10.13225/j.cnki.jccs.2024.1328. ZHANG Fukai,ZHAO Shuo,ZHANG Qiang,et al. Coal mine drill pipe counting method based on oriented object detection and significant peak inference[J/OL]. Journal of China Coal Society:1-15[2025-05-08]. https://doi.org/10.13225/j.cnki.jccs.2024.1328.
[12] 张睿,李允臣,王家宝,等. 多尺度特征融合的双模态目标检测方法[J]. 计算机工程与应用,2024,60(17):233-242. ZHANG Rui,LI Yunchen,WANG Jiabao,et al. Multiscale feature fusion approach for dual-modal object detection[J]. Computer Engineering and Applications,2024,60(17):233-242.
[13] LUO Yi,SHAO Feng,MU Baoyang,et al. Dynamic weighted fusion and progressive refinement network for visible-depth-thermal salient object detection[J]. IEEE Transactions on Circuits and Systems for Video Technology,2024,34(11):10662-10677. DOI: 10.1109/TCSVT.2024.3414170
[14] 沈记全,陈相均,翟海霞. 基于改进边界框回归损失的YOLOv3检测算法[J]. 计算机工程,2022,48(3):236-243. SHEN Jiquan,CHEN Xiangjun,ZHAI Haixia. YOLOv3 detection algorithm based on the improved bounding box regression loss[J]. Computer Engineering,2022,48(3):236-243.
[15] 张震,彭景昊,田鸿朋,等. 考虑数据分布损失的图像分割[J]. 计算机工程与应用,2024,60(19):242-249. DOI: 10.3778/j.issn.1002-8331.2307-0076 ZHANG Zhen,PENG Jinghao,TIAN Hongpeng,et al. Design of loss function considering data distribution[J]. Computer Engineering and Applications,2024,60(19):242-249. DOI: 10.3778/j.issn.1002-8331.2307-0076
[16] 朱旭东,熊赟. 基于样本分布损失的图像多标签分类研究[J]. 计算机科学,2022,49(6):210-216. DOI: 10.11896/jsjkx.210300267 ZHU Xudong,XIONG Yun. Study on multi-label image classification based on sample distribution loss[J]. Computer Science,2022,49(6):210-216. DOI: 10.11896/jsjkx.210300267
[17] 张富凯,孙一冉,武旭峰,等. 基于深度学习的煤矿钻杆实时计数方法[J/OL]. 煤炭科学技术:1-12[2025-02-21]. https://kns.cnki.net/kcms/detail/11.2402.TD.20240617.1542.006.html. ZHANG Fukai,SUN Yiran,WU Xufeng,et al. Real time counting method for coal mine drill pipes based on deep learning[J/OL]. Coal Science and Technology:1-12[2025-02-21]. https://kns.cnki.net/kcms/detail/11.2402.TD.20240617.1542.006.html.
[18] BUSLAEV A,IGLOVIKOV V I,KHVEDCHENYA E,et al. Albumentations:fast and flexible image augmentations[J]. Information,2020,11(2). DOI: 10.3390/info11020125.
[19] 唐晓彬,沈童. 深度学习框架发展综述[J]. 调研世界,2023(4):83-88. TANG Xiaobin,SHEN Tong. Review of development of deep learning framework[J]. The World of Survey and Research,2023(4):83-88.
[20] 张少康,王超,孙芹东. 基于多类别特征融合的水声目标噪声识别分类技术[J]. 西北工业大学学报,2020,38(2):366-376. DOI: 10.3969/j.issn.1000-2758.2020.02.018 ZHANG Shaokang,WANG Chao,SUN Qindong. Underwater target noise recognition and classification technology based on multi-classes feature fusion[J]. Journal of Northwestern Polytechnical University,2020,38(2):366-376. DOI: 10.3969/j.issn.1000-2758.2020.02.018
[21] 戴得恩,朱瑞飞,陈长征,等. 基于改进Yolov5l的航空小目标检测算法[J]. 计算机工程与设计,2023,44(9):2610-2618. DAI De'en,ZHU Ruifei,CHEN Changzheng,et al. Aerial small target detection method based on improved Yolov5l[J]. Computer Engineering and Design,2023,44(9):2610-2618.
[22] AHMED A,IMRAN A S,MANAF A,et al. Enhancing wrist abnormality detection with YOLO:analysis of state-of-the-art single-stage detection models[J]. Biomedical Signal Processing and Control,2024,93. DOI: 10.1016/j.bspc.2024.106144.
[23] 韩慧妍,张秀权,况立群,等. 基于YOLOv8L遥感图像旋转目标检测[J]. 激光与红外,2024,54(9):1462-1468. DOI: 10.3969/j.issn.1001-5078.2024.09.018 HAN Huiyan,ZHANG Xiuquan,KUANG Liqun,et al. Rotating object detection of remote sensing image based on YOLOv8L[J]. Laser & Infrared,2024,54(9):1462-1468. DOI: 10.3969/j.issn.1001-5078.2024.09.018
[24] 安徽工程大学. 基于改进YOLOv10网络的道路缺陷检测方法:CN202411303739. X[P]. 2025-01-07. Anhui Polytechnic University. Road defect detection method based on improved YOLOv10 network:CN202411303739. X[P]. 2025-01-07.
-
期刊类型引用(4)
1. 赵诗宇，蔡雯婷，张新. 基于大数据与混合禁忌搜索算法的配电网单相接地故障定位方法. 微型电脑应用. 2025(03): 296-299+316 . 
百度学术
2. 李科，许长清，马杰，孙义豪，郭新志. 考虑最大供电能力的链式供电结构自愈系统设计. 电子设计工程. 2024(04): 116-120 . 百度学术
3. 李运旺，陈俊德，张大平，桑云，韩晓蕾. 基于S变换相关度的配电网单相接地自适应有源消弧法. 电气传动. 2024(07): 86-92 . 百度学术
4. 费上贝. 系统单相接地故障下接地变压器的运行特性探讨. 光源与照明. 2022(08): 111-113 . 百度学术
其他类型引用(3)
计量
- 文章访问数: 109
- HTML全文浏览量: 31
- PDF下载量: 24
- 被引次数: 7
