摘要: 针对井下瓦斯突出日益严峻、传统钻杆计数效率低且易受环境影响的问题，提出一种集目标检测、钻机状态判定与计数于一体的煤矿钻杆自动计数方法。主要贡献包括，在 YOLOv11框架基础上，引入 LSKA 大核可分离注意力、GELAN 广义高效层聚合网络和 DynamicHead 动态检测头，构建轻量化的 YOLOv11_LGD 检测模型，实现对卡盘与夹持器的高精度识别；结合 DeepSort 对两部件进行持续跟踪，提取相对距离曲线，并利用卡尔曼滤波进行平滑处理。通过分析相邻波谷间距并设置动态阈值，准确判定进钻与退钻状态，进而在进钻区间利用波谷位置完成钻杆计数。实验结果表明，在自建 9345 张井下图像数据集上，YOLOv11_LGD 的 mAP@0.5 达 0.966，较主流模型均有提升；在 17 段现场视频中实现 2.02 %的误计率，满足实时高精度计数需求。该方法有效克服井下光照复杂、目标遮挡和机械抖动带来的干扰，为瓦斯抽采钻孔深度精准监测与煤矿智能化管理提供了技术支撑。