基于跨尺度棱颈模型的护帮板支护状态检测方法OA

为提高复杂矿井环境下护帮板支护状态的识别精度,针对现有检测模型在低质图像条件下易出现边缘细节丢失、多尺度变化适应能力不足以及目标遮挡等问题,提出一种基于跨尺度棱颈模型的护帮板支护状态检测方法。首先,在特征提取阶段,将特征提取模块C3k2与跨尺度边缘信息增强模块相结合,通过并行卷积结构与注意力机制协同作用,实现全局语义信息与边缘细节信息的有效提取,以缓解矿井环境中图像质量较差所带来的特征表达不足问题;其次,针对护帮板目标尺度差异较大及传统颈部网络计算开销较高的问题,引入SC_Neck模块替代原有颈部结构,通过多尺度特征金字塔融合、上下文信息增强与空间对齐机制,实现不同层级特征之间的高效交互,在保证特征表达能力的同时提升网络计算效率;最后,为减弱目标遮挡与几何形变对定位精度的影响,将损失函数替换为MPDIoU,在边界框回归过程中引入中心点距离惩罚项与方向敏感因子,从而提升模型对目标几何结构匹配的准确性。结果表明:所提出方法在护帮板支护状态检测任务中取得了较好的识别效果,模型平均精度均值达到96.8%,较基线模型提升2.1%,精确率达到95.3%。研究结果可为复杂环境下的矿井智能化安全监测提供可靠的技术支撑。