露天矿山下无人矿卡的轻量级障碍检测算法研究

煤炭科学技术
网络首发时间：2024-08-07 17:10:41

作者

程铄棋伊力哈木·亚尔买买提谢丽蓉李熙玉
单位

新疆大学电气工程学院新疆大学新疆露天矿智能生产与管控重点实验室
摘要

随着人工智能技术不断发展和智慧矿山理念的逐步推进，传统露天矿山的运营模式正在被自动化方式取代。无人矿卡是智慧矿山的重要组成部分，因这项技术的推广，解决了因矿区地形不规则、路面坑洼或恶劣天气等因素使矿卡翻车、侧滑，从而引发伤亡事故发生。准确的检测目标类别是做避障决策的前提，而模型轻量化可以在资源有限的条件下很好地部署。因此，针对露天矿山场景下，无人矿卡目标检测算法存在参数量多、模型较大及小目标和遮挡目标检测准确率低的问题，提出轻量级无人矿卡检测算法LWHP(Lightweight high-precision），设计思路有以下四点：其一，提出高效加权双向的特征金字塔网络R-BiFPN，利用这一结构重构颈部网络，通过跨层连接及双向传播，减少冗余计算路径，并通过加权特征融合方式增强多尺度特征融合能力，提升小目标检测能力的同时大幅度降低参数量；其二，设计带有多头注意力机制的检测解耦头，改善卷积层冗余导致网络复杂的问题，并处理空间维度以集中捕捉目标特征，减弱无关背景干扰，提升遮挡目标识别准确率；其三，利用双重卷积构建轻量级神经网络CDC，增强通道间信息流动，提高模型特征表达能力并降低模型复杂度；其四，引入EIOU损失函数，分别计算目标边界框的宽高差异，并加入Focal Loss解决难易样本不平衡问题，获得更快的收敛速度和更优秀的定位能力。经实验表明，改进后算法相较于原始算法参数量降低50.2％，计算量减少46.3％，模型大小压缩47.6％，仅有3.3MB，且FPS达到92.9，满足实时性需求。精度提升1.6％，召回率提升3.1％，平均精度达到79.6％，相比原模型提升2％，保证轻量级部署的同时提升了检测准确率。
关键词

无人矿卡目标检测LWHP轻量化加权双向特征金字塔网络多头注意力机制
文章目录

0 引言
1 无人矿卡目标检测模型
2 无人矿卡目标检测模型改进策略
2.1 设计R-BiFPN结构重构颈部网络
2.2 设计拥有多头注意力机制的检测头
2.3 利用双重卷积设计CDC
2.4 引入EIOU损失函数
3 实验结果与分析
3.1 前期准备
3.1.1 数据集制作
3.1.2 实验环境及训练参数
3.2 目标检测的性能指标分析
3.3 实验结果及分析
3.3.1 颈部网络横向对比
3.3.2 检测头横向对比
3.3.3 C2f模块改进横向对比
3.3.4 损失函数横向对比
3.3.5 消融实验
3.3.6 目标检测算法对比试验
3.4 检测效果验证
4 结论
引用格式

程铄棋,伊力哈木·亚尔买买提,谢丽蓉,等.露天矿山下无人矿卡的轻量级障碍检测算法研究[J/OL].煤炭科学技术,1-12[2024-08-08].http://kns.cnki.net/kcms/detail/11.2402.td.20240806.1638.003.html.
相关文章

[1]基于REIW-YOLOv10n的井下安全帽小目标检测算法
[2]基于深度学习的矿井智能目标检测技术研究综述
[3]基于优化蚁群算法的露天矿无人矿卡绕跨并行类三维路径规划
[4]面向边缘计算的矿区障碍检测模型研究
[5]基于注意力机制和特征融合的井下轻量级人员检测方法