[1]杨建辉,熊诗伦,冯彦军,等.基于YOLOv8的煤矿井下压裂作业防护装备佩戴识别系统研究[J].工业仪表与自动化装置,2026,(04):9-14.[doi:10.19950/j.cnki.CN61-1121/TH.2026.04.002]
　YANG Jianhui,XIONG Shilun,FENG Yanjun,et al.Research on intelligent recognition and alarm system for protective equipment wearing in coal mine underground fracturing operations[J].Industrial Instrumentation & Automation,2026,(04):9-14.[doi:10.19950/j.cnki.CN61-1121/TH.2026.04.002]
点击复制

基于YOLOv8的煤矿井下压裂作业防护装备佩戴识别系统研究()

《工业仪表与自动化装置》[ISSN:1000-0682/CN:61-1121/TH]

卷:
期数:
2026年04期
页码:
9-14
栏目:
出版日期:
2026-08-10

文章信息/Info

Title:
Research on intelligent recognition and alarm system for protective equipment wearing in coal mine underground fracturing operations
文章编号:
1000-0682(2026)04-0009-06
作者:
杨建辉1；熊诗伦2；冯彦军3; 4；吴川2
1. 陕西煤业股份有限公司, 陕西西安710076；2. 中国地质大学(武汉)机械与电子信息学院, 湖北武汉430074；3. 中煤科工开采研究院有限公司, 北京100013；4. 天地科技股份有限公司, 北京100013
Author(s):
YANG Jianhui1; XIONG Shilun2; FENG Yanjun3; 4; WU Chuan2*
1. Shanxi Coal Industry Co., Ltd., Shaanxi Xi’an 710076, China; 2. School of Mechanical Engineering and Electronic Information, China University of Geosciences (Wuhan), Hubei Wuhan 430074, China; 3. China Coal Science and Industry Mining Research Institute Co., Ltd., Beijing 100013, China; 4. Tiandi Technology Co., Ltd., Beijing 100013, China
关键词:
井下压裂; YOLOv8; 安全帽识别; 反光衣识别; 深度学习
Keywords:
downhole fracturing;  YOLOv8;  helmet recognition;  reflective clothing recognition;  deep learning
分类号:
TD76
DOI:
10.19950/j.cnki.CN61-1121/TH.2026.04.002
文献标志码:
A
摘要:
煤矿井下压裂作业环境存在高噪声、高粉尘、低照度等工况，传统安全监管手段难以实时有效监控矿工安全帽及反光衣的规范佩戴。本研究提出了基于YOLOv8的防护装备智能监控系统，通过矿用隔爆型摄像头采集视频流，经4G/5G网络传输至地表终端。系统采用CLAHE算法增强低照度图像细节，结合高斯滤波抑制粉尘干扰，并引入在线数据增强策略提升模型泛化能力。检测模型YOLOv8融合SimAM无参数注意力模块，强化了对安全帽轮廓及反光衣反光条等关键特征在恶劣环境下的识别能力。室内及现场测试显示系统的平均检测精度分别为95.02%及 93.2%满足煤矿井下压裂安全监测的实际需求。
Abstract:
There are challenges such as high noise, high dust, and low illumination in the underground fracturing environment of coal mines, and it is difficult for traditional safety supervision methods to effectively monitor the standardized wearing of miners’ safety helmets and reflective clothing in real time. In this study, an intelligent monitoring system for protective equipment based on YOLOv8 is proposed, which collects video streams through mining flameproof cameras and transmits them to surface terminals through 4G/5G networks. The system uses CLAH algorithm to enhance the details of low-illumination images, combines Gaussian filtering to suppress dust interference, and introduces online data enhancement strategy to improve model generalization ability. The detection model YOLOv8 integrates SimAM’s parameter-free attention module to enhance the recognition ability of key features such as the contour of the helmet and the reflective strip of the reflective clothing in harsh environments. The indoor and field tests showed that the average detection accuracy of the system was 95.02% and 93.2%, respectively, which met the actual needs of underground fracturing safety monitoring in coal mines.

参考文献/References:


[1] 张琨, 王珂, 任建喜, 等. 随钻钻进参数优化下煤体原位应力响应特征解析[J]. 煤田地质与勘探, 2025, 53 (02): 213-222.
[2] 张强, 年军, 赵博, 等. 深部高应力条件下煤与瓦斯突出全过程中多物理场参数响应[J]. 煤矿安全, 2024, 55(11): 77-83.
[3] 康志鹏, 童政, 徐一帆, 等. 浅埋厚松软覆岩煤层开采顶板破断失稳规律研究[J]. 能源与环保, 2025, 47(02) : 259-264.
[4] 袁亮,薛生,郑晓亮,等.煤矿井下空气质量革命技术现状与展望[J].工矿自动化,2023,49(06):32-40.
[5] 赵猛, 张帅, 赵敬民, 等. 基于辉光模型与 SRILLIE 算法的煤矿井下非均匀光照图像增强[J]. 煤炭科学技术, 2025, 53(10): 251-258.
[6] 王玲敏, 段军, 辛立伟. 引入注意力机制的 YOLOv5 安全帽佩戴检测方法[J]. 计算机工程与应用, 2022, 58 (09):303-312.
[7] 单鹏飞, 孙浩强, 来兴平, 等. 基于改进 Faster R - CNN 的综放煤研混合放出状态识别方法[J]. 煤炭学报, 2022, 47(03):1382-1394.
[8] 陈振江, 张垒, 杜志峰, 等. 基于视频分析的煤矿钻孔深度估计方法 [J]. 煤矿机械, 2023, 44(01): 145-148.
[9] 侯军兴, 魏留杰, 安晓东, 等. 基于改进 YOLOv8s 的轻量化齿轮表面缺陷检测[J]. 制造业自动化, 2025, 47 (11): 168-174.
[10] 邵罗，吐松江·卡日，依马木·艾山，等.基于改进YOLOv8s的螺栓缺销目标检测方法[J].现代电子技术,2025,48(22)：81-87.
[11] 常高宇, 赵顺祥, 侯舒誉, 等. 基于改进 YOLOv8n 的无人机航拍小目标检测算法 [J]. 科学技术与工程, 2025, 25(31): 13500-13508.
[12] 海兰, 张丽娜, 杨帆, 等. 基于YOLOv5算法的舍饲羊只检测与跟踪方法研究[J]. 中国农机化学报, 2025, 46(12): 70-76.
[13] 符世琛, 孟博, 岳丽荣, 等. 基于改进YOLOv8的煤泥浮选表层非均匀矿化气泡智能检测方法研究[J]. 中国煤炭, 2025, 51(07): 221-234.
[14] 冯晓晓, 任安虎, 齐华. 基于 YOLOv8n 的轻量化高速公路车辆检测算法 [J]. 传感器与微系统, 2025, 44 (07): 155 - 158 + 163.
[15] 周恩泽, 黄道春, 王磊, 等. 基于改进YOLOv8s的输电线路山火检测[J]. 郑州大学学报(工学版), 2025, 46(05): 114-121.
[16] 邹旭辉, 贾建军, 刘建红, 等. 基于改进YOLOv8算法的输电绝缘子异常状态辨识[J]. 仪表技术与传感器, 2025(09): 120-126.
[17] 宋义, 丁革媛. 基于改进YOLOv8的输电线路异物检测算法研究[J]. 工业控制计算机, 2025, 38(06): 49-51.

相似文献/References:

[1]顾志强,朱武,王光东.基于LoRa和NB-IOT的远程温室监控系统的设计与应用[J].工业仪表与自动化装置,2025,(02):48.[doi:10.19950/j.cnki.CN61-1121/TH.2025.02.009]
　GU Zhiqiang,ZHU Wu,WANG Guangdong.Design and application of a remote greenhouse monitoring system based on LoRa and NB-IoT[J].Industrial Instrumentation & Automation,2025,(04):48.[doi:10.19950/j.cnki.CN61-1121/TH.2025.02.009]

备注/Memo

备注/Memo:
收稿日期：2026-03-02
基金项目：国家重点研发计划资助项目（2023YFC2907502）
第一作者：杨建辉（1974—），男，陕西富平人，高级工程师，研究方向为煤炭矿井开采及巷道快速掘进技术。
E-mail:1436668936@qq.com
更新日期/Last Update: 1900-01-01