本发明涉及石油钻采技术领域，尤其涉及一种基于深度学习的铁钻工接箍检测方法和系统，识别装置将第一原始图像输入接箍检测模型，获得接箍在像素坐标系的坐标；接箍检测模型的主干网络用于提取原始图像的图像特征，包括分别在主干网络两个下采样模块之后增加的联合注意力模块；联合注意力模块用于对第一原始特征图像分别沿通道维度和空间维度进行注意力权重赋值后进行特征融合，获得特征融合图像；识别装置根据接箍在像素坐标系下的坐标，生成控制指令并发送至铁钻工中控装置，以使铁钻工中控装置控制铁钻工进行上/卸扣操作。其有益效果是，通过高精度的接箍检测模型实现了铁钻工控制的全智能化和自动化。

     提供一种深度学习的铁钻工接箍检测方法和系统，其解决了人工对准接箍位置时，对人员的操作规范有很高的要求的同时，风险较大的技术问题，以及因现场任务场景复杂，环境恶劣，而导致的原版YOLO系列模型不能满足铁钻工上/卸扣过程中对精度的要求的技术问题。铁钻工作为关注操作系统的主要设备之一，目前被广泛应用。随着机器视觉技术日渐成熟，该技术已被应用于自动驾驶、视觉辅助夹手等诸多领域。计算机视觉辅助铁钻工接箍高度定位成为最为有效的解决方案之一。YOLO系列算法能够较好的平衡速度与精度，收到各领域广泛应用。但由于石油钻采过程中，任务场景较于其它领域更为复杂，现场环境更加恶劣，原版YOLO系列模型不能满足铁钻工上/卸扣过程中对精度的要求。