基于改进BiSeNet的煤矿井下轨道检测算法
周华平
郑锐
安徽理工大学 计算机科学与工程学院,安徽 淮南232001
摘要：井下电机车无人驾驶技术将成为今后发展的必然趋势,但由于煤矿井下环境复杂,以及轨道自身结构呈长条形等特点,导致现有轨道检测算法不能完全适合井下轨道检测.因此,提出一种适用于煤矿井下轨道检测的改进BiSeNet实时语义分割网络.首先给出改进的分割网络整体结构,其次根据轨道特点,重点提出了将不同深度的特征进行聚合,并能够进一步精细化特征的子网络特征融合模块,最后进行了实验验证.结果表明,提出方法在采集到的井下轨道环境数据集上达到了72.8％的平均交并比,同时达到43帧/s的检测速率,基本满足对井下轨道环境的实时语义分割.
关键词：深度学习BiSeNet语义分割轨道检测子网络特征融合
分类号：TP391.4(计算技术、计算机技术)
资助基金：安徽省重点研究与开发计划项目(202004b11020029)
论文发表日期：2021-12-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 398-403 )
英文信息