面向边缘计算的矿区障碍检测模型研究_中国煤炭行业知识服务平台

本论文创新点

（1）针对矿区道路障碍物尺度不规则及障碍物遮挡导致的漏检和误检问题，优化了网络的特征提取模型，结合通道注意力机制和深度可分离卷积，从而增强了特征提取能力，提升了障碍物检测精度。

（2）针对矿区道路上坑洞、水坑等小目标障碍物因边界模糊而难以检测的问题，改进了颈部网络的连接方式，并引入了新型网络结构，能够自适应地调整不同尺度特征的融合权重，从而增强了小目标障碍物的特征提取能力。

（3）为降低模型参数和计算量，采用局部卷积重新构建了检测头，从而减少了冗余计算，显著提升了模型的检测速度。

（4）针对回归框匹配精度问题，引入了Inner-CIoU辅助边界框计算IoU损失，优化了训练过程，更好地指导了模型的优化，提升了其在复杂场景下的鲁棒性。

题目

面向边缘计算的矿区障碍检测模型研究

作者

阮顺领^{1, 2, 3}，王京^{1, 4}，顾清华^{1, 2, 4}，卢才武^{1, 2}

单位

1. 西安建筑科技大学机构资源工程学院

2. 西安市智慧工业感知计算与决策重点实验室

3. 西安优迈智慧矿山科技有限公司

4. 西安建筑科技大学矿山系统工程研究所

长按识别二维码阅读全文

摘要

近年来，随着矿用卡车自动驾驶技术的兴起，使得矿区道路行车障碍物检测变得至关重要，基于深度学习的目标检测模型应用于矿区道路障碍检测取得了显著的效果，为矿用卡车自动驾驶技术的完善提供了可能。为解决现有模型应用于矿区障碍物检测，往往存在算法庞大与部署成本较高的问题，提出一种面向边缘计算平台的改进YOLOv8矿区道路障碍检测模型，该模型针对资源有限的边缘计算设备进行优化部署，以实现对障碍物的快速、精准检测。该模型在特征提取阶段，引入深度可分离卷积和通道注意力机制，提高模型对障碍物整体特征提取能力，从而提升对不同尺寸障碍物的检测精度；特征融合阶段采用BiFPN网络结构，轻量化颈部网络并自适应地调整融合权重，减少冗余信息，提高特征的表达能力；使用局部卷积PConv对检测头进行重新设计，减少网络参数量以提高检测效率；最后，通过引入Inner-CIoU函数对边界框损失进行优化，加快模型收敛速度并提升边界框定位效果。实验结果显示，该网络在所使用的矿区障碍物数据集上，mAP@0.5仅下降0.05的前提下，模型参数减少了44%，推理时间缩短了34%。相比其他轻量型检测网络，该模型在实验硬件设备上的检测速度更快，且在精度和轻量化之间实现了更好的平衡，为障碍物检测模型的实际部署提供了可行方案。

作者简介

阮顺领

教授

博士生导师

阮顺领，男，1981出生，河南周口人，教授，博士生导师，西安建筑科技大学资源工程学院采矿系，智慧矿山研究院副院长，任中国有色金属学会深地矿建与资源开发专委会委员，绿色矿山促进工作委员会委员等。

研究方向

矿山智能科学与工程、矿业大数据智能分析应用

主要成果

主持参与国家自然科学基金项目4项、省重点研发计划项目1项、省部级科研项目10余项、企业委托重大课题30余项；在国内外重要学术期刊发表论文40余篇，其中SCI/EI 10余篇，出版专著和教材3部，获国家专利和软著权20余项。

相关研究成果先后获中国安全科技进步一等奖、陕西省科技进步三等奖、陕西高等学校科学技术一、二等奖、绿色矿山科学技术一等奖、中国有色金属工业协会等省部级科技进步一等奖5项。

引用格式

阮顺领，王京，顾清华，等. 面向边缘计算的矿区障碍检测模型研究[J]. 煤炭科学技术，2024，52（11）：140−151.

RUAN Shunling，WANG Jing，GU Qinghua，et al. Research on mining area obstacle detection model for edge computing[J]. Coal Science and Technology，2024，52（11）：140−151.

END

策划：常琛

责编：黄小雨

编辑：李莎

审核：常琛

　　责任编辑：宫在芹

面向边缘计算的矿区障碍检测模型研究

煤问提

煤传媒

煤视界

科技创新50强

会员中心