[发明专利]一种基于改进YOLOX的井下钻杆数量统计方法

说明书

本发明公开了一种基于改进YOLOX的井下钻杆数量统计方法，属于矿业领域和信息技术领域，包括如下步骤：读取井下钻探的监控视频并通过抽帧，对抽帧获取的图像进行预处理；引入CBAM注意力机制提升模型特征提取能力；使用BiFPN特征金字塔以减少特征丢失；优化损失函数为CIOU，提升模型预测框的定位能力；使用预处理后图像训练的改进模型进行目标检测与跟踪；通过设置波峰阈值的方式剔除无卸杆操作的小波峰，对其余的有效波峰进行记录，存在一个波峰，则计数一次。本发明提高了计数的准确率，对自动统计钻杆数量具有重要意义。

技术领域

本发明涉及矿业领域和信息技术领域，具体涉及一种基于改进YOLOX的井下钻杆数量统计方法。

背景技术

冲击地压是我国深部煤矿开采中最严重的灾害之一，钻孔卸压相比其他防治冲击地压的方法具有工艺简单、成本较低等优点在煤矿开采中得到广泛应用。由于卸压钻孔深度直接测量难度大，一般通过钻杆数量间接计算。在实际测量中，同一钻孔作业中钻杆规格均相同，因此一般以钻杆数量计量钻孔深度。传统钻杆计数方法为人工计数，该方法效率低下且存在外包工程中的虚报风险，就可能导致卸压钻孔深度不足，给煤矿生产带来安全隐患。

发明内容

针对现有技术中存在的上述技术问题，本发明提出了一种基于改进YOLOX（YouOnly Look Once : Unified, Real-Time Object Detection X，只看一次：统一的实时物体检测X版本）的井下钻杆数量统计方法，设计合理，克服了现有技术的不足，具有良好的效果。

为了实现上述目的，本发明采用如下技术方案：一种基于改进YOLOX的井下钻杆数量统计方法，包括以下步骤：步骤1：抽帧图像预处理；读取井下钻探的监控视频并进行抽帧，对抽帧获取的图像进行预处理作为原始数据集；步骤2：训练模型的改进；在模型中引入CBAM（Convolutional Block Attention Module，卷积注意力模块）提升模型特征提取能力；使用BiFPN（Bidirectional Feature Pyramid Network，双向特征金字塔网络）以减少特征丢失；优化损失函数为CIOU（Complete ，完整交并比），提升模型预测框的定位能力；步骤3：目标检测与跟踪；使用预处理后图像训练的改进模型进行目标检测与跟踪，检测目标为动力头和机身前端，并绘制两者的周期性间距变化波形图；步骤4：波峰筛选与计数；通过设置波峰阈值的方式剔除无卸杆操作的小波峰，对其余的有效波峰进行记录，存在一个波峰，则计数一次。

优选地，所述步骤1，具体包括以下步骤：步骤1.1：图像消噪；通过中值滤波方法对抽帧图像进行消噪滤波处理；步骤1.2：图像增强；对消噪滤波处理后的图像通过直方图均衡化进行增强。

优选地，所述步骤2，具体包括以下步骤：步骤2.1：引入注意力机制；在模型中引入CBAM，通过CBAM，自动获取特征通道的重要程度并赋予权重，强化重要特征，抑制非重要特征；步骤2.2：引入特征金字塔；特征金字塔通过自上而下和自下而上的双向通道，实现对高层语义信息与低层细节信息的融合；步骤2.3：优化损失函数为CIOU；优化损失函数为CIOU损失函数，通过CIOU损失函数实现梯度回传，帮助预测框实现定位，反映预测框与真实框的长宽比的相似程度。

优选地，所述步骤3，具体包括以下步骤：步骤3.1：使用训练后模型对动力头与机身前端进行预测，获取两者的预测框；步骤3.2：通过两者预测框中心点计算两者之间的间距；步骤3.3：每分钟抽取20帧图像，以计算的间距来绘制间距波形图，横轴为时间，纵轴为两者的距离间隔。

优选地，所述步骤4，具体包括以下步骤：步骤4.1：根据波形图的信息获取波峰处的峰值和时间信息；步骤4.2：由于对接动力头与钻杆对接会出现无卸杆操作的小波峰，因此对小波峰设定波峰阈值加以剔除；步骤4.3：对满足阈值要求的波峰进行计数，此时的波峰处均进行一次卸杆操作，一次卸杆操作卸除一根钻杆，故波峰计数即为钻杆统计数量。