油亚鹏（北京化工大学机电工程学院）、马波（北京化工大学机电工程学院/高端压缩机及系统技术全国重点实验室/高端机械装备健康监控与自愈化北京市重点实验室）、赵乐和王鹏琪（北京化工大学机电工程学院）团队在《计算机辅助设计与图形学学报》（Journal of Computer-Aided Design & Computer Graphics）202*年第3*卷第*期发表题为《基于CA-YOLOv8的输送带大块煤检测方法》的研究论文。该研究针对煤矿输送带大块煤检测中因环境复杂、图像模糊导致的检测精度低、泛化性差等问题，提出了一种融合图像复原技术与改进YOLOv8算法的创新解决方案。

学术背景

在煤炭开采运输过程中，输送带上未充分破碎的大块煤可能引发堵塞、跑偏甚至设备撕裂等安全事故。传统检测方法依赖阈值分割或边缘特征提取，存在实时性差、鲁棒性不足的缺陷；基于深度学习的目标检测算法（如YOLO系列）虽在精度上有提升，但煤矿环境的煤尘干扰、光照不均及输送带高速运动导致的图像退化问题仍未得到有效解决。研究团队旨在开发一种兼顾高精度与强泛化能力的大块煤检测方法，为煤矿智能化监控提供技术支撑。

研究流程与方法

1. 图像复原预处理

研究对象：来自4条不同工况输送带的监控视频图像（数据集D1-D4，总计训练集2,798张，验证集575张）。
退化建模：建立包含灰度失真、运动模糊、几何畸变和噪声干扰的复合退化模型：
$$ g(x,y) = [f(x,y) \cdot h(x,y)] * l(x,y) + \eta(x,y) $$
复原流程：
- Step1 去噪：采用双边滤波（参数：核尺寸5，空间标准差σ_d=2.5，色彩标准差σ_r=30）保留边缘信息。
- Step2 几何校正：基于透视变换（选取近摄像头区域4个顶点）矫正图像畸变。
- Step3 运动去模糊：针对匀速直线运动模糊（退化函数长度L=5-16像素），使用维纳滤波复原。
- Step4 亮度均衡：CLAHE算法（分块8×8，阈值系数2.0-3.0）提升对比度。
验证指标：Brenner梯度函数、Tenengrad函数和熵函数显示复原后图像清晰度提升显著（如D1数据集Tenengrad值从60,561增至229,025）。

2. CA-YOLOv8模型构建

改进策略：
- 输入端优化：基于输送带实际宽度（映射为640像素）进行自适应缩放，统一煤块尺度特征。计算公式：
$$ H = 32 \times \lceil \frac{640 \cdot L}{W \cdot 32} \rceil $$
其中W为输送带宽度，L为估计长度。
- 网络结构改进：
- 坐标注意力机制（CA, Coordinate Attention）：嵌入Backbone与Neck之间，通过双向特征编码增强大块煤关键特征提取。
- 检测头精简：移除小目标检测层（保留20×20和40×40尺度检测头），聚焦大块煤特征。
训练参数：初始学习率0.01，动量0.937，批大小16，损失函数采用CIoU+DFL组合。

3. 实验验证

性能对比：
- 相同环境测试：D1→D1任务中精确率95.6%、召回率89.0%，优于原YOLOv8（90.1%/88.4%）。
- 跨环境泛化：D1→D3任务精确率91.7%，较基线提升17.0%；召回率68.7%，提升15.3%。
消融实验：
- 仅图像复原+输入端改进时，跨环境精确率提升至87.5%（D1→D2）；
- 单独添加CA模块使D2→D3任务精确率达95.2%，但召回率降低至52.8%；
- 完整模型（CA+检测头精简）在D2→D4任务中达到84.6%精确率与72.8%召回率。

主要结果与结论

1. 图像复原有效性：CLAHE亮度均衡使D3数据集熵值从5.28提升至5.30，解决了昏暗环境下的细节丢失问题。
   
2. 模型创新性：
   
   • CA机制通过空间方向特征聚合，使大块煤检测热力图响应更集中（如图11所示）；
     
   • 现实尺寸缩放策略使不同场景下煤块物理尺寸保持一致，提升模型泛化能力。
     
3. 工程价值：在煤矿实际监控中，该方法可实现对>15%输送带宽度的大块煤实时检测（3060 GPU单帧处理时间<50ms），为自动破碎系统提供可靠输入。

研究亮点

1. 多模态融合：首次将图像复原技术与改进YOLOv8结合，形成”预处理-特征增强-尺度优化”的全流程解决方案。
   
2. 领域适应性改进：针对煤矿场景设计的CA嵌入策略和检测头精简方案，较通用目标检测算法（如文献[9]的YOLOv5改进）在跨环境测试中精确率提升9.5%。
   
3. 可扩展性：提出的现实尺寸缩放方法可为其他工业检测场景（如矿石分选、流水线质检）提供借鉴。

应用展望

未来研究可进一步优化CA模块的计算效率，并探索多光谱图像融合以提升低照度条件下的召回率。该方法已在中国某煤矿试点部署，预计可将大块煤漏检率从传统方法的12%降至5%以下。