YOLOv5/v8在矿山皮带检测中的准确率如何YOLOv5/v8在矿山皮带检测中的准确率（通常指mAP@0.5或Prec

YOLOv5/v8在矿山皮带检测中的准确率（通常指mAP@0.5或Precision）并非固定值，它受具体任务、模型改进、现场环境等多种因素影响。以下是基于公开文献和工程实践的性能参考。

下表汇总了不同改进模型在矿山皮带检测任务中的关键准确率指标：

检测任务	模型方案	准确率 / mAP@0.5	备注
综合工况	改进YOLOv5	加权准确率 95%	在CMID数据集上，对跑偏、撕裂、异物等多种工况的综合提升。
异物检测	改进YOLOv5	mAP@0.5 ≈ 0.912	对锚杆(P≈0.98)、大块煤(P≈0.88)识别效果好。
异物检测	改进YOLOv5	准确率 95.09%	在黄陵煤矿，针对大煤块、矸石、锚杆等。
异物检测	改进YOLOv5	准确率 97.35%	在Jetson Xavier NX平台，召回率96.27%。
异物检测	改进YOLOv8	mAP@0.5 ≈ 0.932	轻量化设计，精确率(P)≈88.8%。
异物检测	轻量化YOLOv8n	mAP@0.5 ≈ 0.883	面向嵌入式部署，参数量仅5.3MB。
纵向撕裂	改进YOLOv5	mAP@0.5 ≈ 0.9436	引入ConvNeXt和BiFPN，精度(P)≈96.34%。
综合检测	改进YOLOv5	检测准确率 ≈ 97%	同时检测跑偏、异物、皮带损伤等多种状态。
料流检测	YOLOv5	准确率 ≈ 99.3%	在港口皮带料流识别试点中测得。

常规工况 (异物、跑偏)

在光线、粉尘可控的条件下，经过针对性改进的YOLOv5/v8模型，其mAP@0.5通常可达 0.90 ~ 0.97，准确率（Precision）在 90% ~ 99% 之间。
恶劣工况 (低照度、高粉尘、小目标)

对于尺寸小于80mm的异物或细微撕裂，准确率会有所下降。工程上通常通过多尺度特征、注意力机制等改进，将关键目标的检测准确率稳定在 80% ~ 95% 的区间内，以平衡漏报与误报。
YOLOv8 vs. YOLOv5

目前公开文献中，两者在矿山皮带检测领域的精度处于同一水平。YOLOv8的优势更多体现在更简洁的API、更好的部署生态和更高的推理效率上，其精度通常不低于YOLOv5，且在同等精度下模型更轻量。