矿业安全与环保

作者：闫存富, 段天航, 乔雪涛, 郭铸锋, 赵增效, 李远洋

关键词：煤矸石识别, YOLOv8n, GhostNet, 多尺度自适应融合, SimAM, DyHead

针对当前煤炭行业中煤矸石分选识别效果差、效率低等问题，提出一种基于YOLOv8n改进的煤矸石识别检测方法：①用Ghost卷积替换YOLOv8n中的标准卷积，将Ghost卷积融入C2f模块，构建C2fGhost模块，减少网络参数量；②设计多尺度自适应融合模块，取代YOLOv8n拼接模块，优化多尺度特征信息融合策略，提升特征融合整体质量和识别精度；③采用动态检测头，提高模型对尺度、空间和任务3个维度的处理能力。实验结果表明，与YOLOv8n模型相比，改进后模型的平均精度均值P提升了3%，检测帧率快了8.4帧/s，参数量减少了24%，浮点运算量降低了16%，模型体积缩减了25%。

来源：2026年第1期

《矿业安全与环保》期刊编辑部

查看矿业安全与环保杂志2026年第1期