Application of detection and tracking for equipments in open-pit mines based on YOLOv8n+DeepSORT technology

YOLOv8n+DeepSORT 기술 기반 이용한 노천광산 채굴 장비의 검출 및 추적 응용

To address the inefficiencies of visual interpretation for mining equipment supervision in open-pit mines, this study proposes an enhanced YOLOv8n+DeepSORT framework. By leveraging high-point surveillance for image acquisition and optimizing both YOLOv8n for equipment identification and DeepSORT for real-time tracking, we overcome limitations in accuracy, cost, and real-time monitoring. Field validation at Jingkai Runding Mine, Pingxiang, Jiangxi, demonstrates the technology's efficacy in identifying and tracking mining equipment, featuring rapid algorithm convergence, low computational overhead, and near-precise target detection and tracking. This approach paves the way for algorithmic support to facilitate effective government regulation of open-pit mining operations.

중국의 대부분 노천광산은 여전히 시각적 해석을 주로 사용하고 있어, 시각적 해석은 시간이 많이 걸리고 비용이 많이 들며, 정확도는 높지만 효율성은 매우 낮아 노천광산의 채굴 장비를 실시간으로 모니터링할 수 없다. 이 문제를 해결하기 위해 이 논문에서는 향상된 YOLOv8n+DeepSORT 프레임워크를 제안한다. 고지점 모니터링을 통해 이미지 수집을 하고, 장비 인식을 위한 YOLOv8n과 실시간 추적을 위한 DeepSORT를 최적화하여 정밀도, 비용 및 실시간 모니터링 측면에서의 한계를 극복했다. 장시성 핑샹시의 경제개발구 런딩 광산에서의 현장 검증을 통해 이 기술이 채굴 장비 인식 및 추적에서의 기능을 입증하였으며, 알고리즘 수렴이 빠르고 계산 오버헤드가 낮으며, 목표 검출 및 추적의 정확도가 높은 특징을 가졌다. 향후 정부 규제 당국이 노천광산 감독을 잘 수행할 수 있도록 알고리즘 지원을 제공할 수 있다.