（1）提出了一种改进YOLOv5s的采煤机滚筒与护帮板识别算法，该方法通过在原YOLOv5s模型主干特征提取网络中采用轻量化Ghost卷积，引入坐标注意力机制和Soft-NMS锚框筛选方法替换原有模型中NMS锚框筛选方法。该方法的平均识别准确率为97.2%，平均识别速度为169帧/秒。
（2）提出了一种液压支架护帮板与采煤机滚筒锚框重合度判定方法，该方法通过改进YOLOv5s的护帮板与滚筒的检测锚框重叠程度判定二者干涉状态。该方法能够将采煤机前进方向上未收回护帮板与滚筒准确识别，且根据识别结果计算识别的滚筒与最邻近液压支架护帮板之间的锚框重合度实现了护帮板与滚筒的干涉状态准确识别，识别准确率为96%。
改进YOLOv5s的采煤机滚筒与支架护帮板干涉状态智能识别
毛清华1,2 ，胡鑫1,2 ，王孟寒1,2 ，张旭辉1,2 ，薛旭升1,2
1.西安科技大学 机械工程学院
2.陕西省矿山机电装备智能检测与控制重点实验室
针对综采工作面液压支架护帮板处于未收回异常状态导致采煤机滚筒与护帮板干涉问题，提出一种改进YOLOv5s的采煤机滚筒与液压支架护帮板干涉状态智能识别方法。运用课题组前期提出的基于边界约束和非线性上下文正则化的去雾去尘方法对视频图像进行清晰化处理，提高综采工作面监控视频图像质量；对YOLOv5s模型进行改进，通过将YOLOv5s主干网络中的普通卷积Conv替换为分类效果更佳的Ghost卷积，减少了模型的参数数量，提高了模型识别速度，同时引入坐标注意力机制，提高了模型对护帮板和滚筒特征提取能力，从而提高模型识别精确率。运用软非极大值抑制算法（Soft-NMS）的锚框筛选方法，减少因护帮板重叠而发生漏检问题。针对采煤机滚筒与液压支架护帮板干涉状态判定问题，提出液压支架护帮板与采煤机滚筒锚框重合度的判定方法。运用本文改进YOLOv5s模型与YOLOv5s、YOLOv3-tiny模型进行对比分析，结果表明：本文方法与原模型相比的识别精确率提高了约8.1%，GFLOPs降低1.86倍；mAP@.5达到97.2%、平均识别速度为检测时间为5.9ms。运用本文方法对煤矿实际综采工作面采煤机滚筒与液压支架护帮板视频图像进行干涉状态识别试验验证，结果表明：对采煤机滚筒与液压支架护帮板干涉状态识别准确率为96%。
教授
博士生导师
毛清华，博士，教授，博导，英国利物浦约翰摩尔斯大学访问学者，现任西安科技大学机械学院副院长、仪器科学与技术学科带头人。煤炭行业2022年度煤矿智能化卓越人物，陕西高校青年创新团队带头人，中国工程机械学会矿山机械分会副秘书长、陕西省振动工程学会理事，《煤炭学报》与《煤炭科学技术》杂志青年编委和《工矿自动化》杂志编委。
煤矿机电设备智能检测与控制、机器人、机械传动系统故障诊断和图像智能识别等
主持国家自然科学基金面上项目、陕西省科技厅重点研发计划项目、陕西省科技厅陕煤联合基金项目、教育部博士点基金等项目20余项，作为主要参与人完成国家自然科学基金项目和教育部重点项目多项，获陕西省科学技术奖二等奖1项、中国煤炭工业协会科学技术奖二等奖3项、西安市科学技术奖二等奖1项和陕西省教学成果奖二等奖2项，授权国家专利40余项，其中发明专利20余项，发表学术论文50余篇，其中SCI/EI检索20余篇，出版专著1部、教材1部，参与编写煤矿智能化方面的团体标准和企业标准4项。
毛清华，胡鑫，王孟寒，等.改进YOLOv5s的采煤机滚筒与支架护帮板干涉状态智能识别[J].煤炭科学技术，2024，52（2）：253−263.
MAO Qinghua，HU Xin，WANG Menghan，et al. Interference state intelligent recognition method for shearer drumand hydraulic support guard plate of improved YOLOv5s algorithm[J]. Coal Science and Technology，2024，52（2）：253−263.
