| 低照度下改进YOLOX的煤矿无人电机车轨道障碍物检测方法 |
| |
| 引用本文： | 章赛,纪凡,卢才武,江松,李萌,刘力,刘迪,朱兴攀.低照度下改进YOLOX的煤矿无人电机车轨道障碍物检测方法[J].安全与环境学报,2024(3):952-961. |
| |
| 作者姓名： | 章赛 纪凡 卢才武 江松 李萌 刘力 刘迪 朱兴攀 |
| |
| 作者单位： | 1. 西安建筑科技大学资源工程学院;2. 西安市智慧工业感知,计算与决策重点实验室;3. 西安建筑科技大学管理学院;4. 陕西陕煤榆北煤业有限公司 |
| |
| 基金项目： | 国家自然科学基金面上项目(51974223)；;陕西省自然科学基金青年项目(2023-JC-QN-0513)；;陕西省自然科学联合基金项目(2019JLP-16)； |
| |
| 摘 要： | 为解决地下煤矿光照不足进而导致无人电机车脱轨、撞车或侧翻等问题，提出了一种低照度多特征融合的YOLOX-CBAM目标检测算法，对矿井无人电机车轨道障碍物进行有效识别与分类。首先，通过实际场景采集及标注构建地下煤矿障碍物数据集，并将其输入微光数据处理Zero＿DCE模型中；其次，对YOLOX目标检测网络进行改进，分别在骨干网络CSPDarknet和特征金字塔(Feature Pyramid Networks, FPN)部分增加双通道CBAM注意力模块，解决了特征提取环节通道单一的问题；最后，将预测头部分的损失函数替换成SIoU,加快了模型迭代的速度。结果表明，与传统两阶段Faster-RCNN网络、YOLOv4网络、YOLOv5网络和原YOLOX网络相比，本模型精确率分别提高了4.65百分点、2.65百分点、2.19百分点、1.35百分点，召回率分别提高了9.39百分点、4.36百分点、0.82百分点、0.76百分点，速度分别提高了28.6帧/s、16帧/s、13.6帧/s、2.9帧/s,同时本模型与分别添加CBAM、SA、SA+SIoU、SE、SE+SIoU,YOLOX-CBAM模块的...
|
| 关 键 词： | 安全工程 井下无人电机车 目标检测 CBAM注意力机制 SIoU损失函数 |
|
|
