煤矿井下暗光环境人员行为检测研究
董芳凯1
赵美卿2
黄伟龙3
1.山西工程技术学院机械工程系,山西阳泉 045000;中北大学机械工程学院,山西太原 0300002.山西工程技术学院机械工程系,山西阳泉 0450003.中国科学院海西研究院泉州装备制造研究中心,福建泉州 362000
摘要：煤矿井下环境复杂,对部分作业现场人员行为进行检测时易出现漏检与误检问题.针对该问题,提出了一种煤矿井下暗光环境人员行为检测方法,包括暗光环境图像增强和行为检测2个部分.暗光环境图像增强基于自校准光照学习(SCI)进行改进,由图像增强网络和校准网络构成.人员行为检测通过引入Dynamic Head检测、跨尺度融合模块和Focal-EIoU损失函数来改进YOLOv8n模型.SCI+网络增强后的图像作为人员行为检测模型检测的对象,完成井下暗光环境人员行为的检测任务.实验结果表明:①井下暗光环境人员行为检测方法的 mAP@0.5 为 87.6％,较 YOLOv8n 提升了 2.5％,较 SSD,Faster RCNN,YOLOv5s,RT-DETR-L 分别提升了 15.7％,11.5％,0.9％,4.3％.②井下暗光环境人员行为检测方法的参数量为3.6×106个,计算量为11.6×109,检测速度为95.24帧/s.③在公开数据集EXDark上,井下暗光环境人员行为检测方法的mAP@0.5为74.7％,较YOLOv8n提升了 1.5％,表明该方法具有较强的泛化能力.
关键词：暗光环境井下人员行为检测自校准光照学习图像增强SCI+网络Dynamic Head跨尺度融合模块Focal-EIoU损失函数YOLOv8n
分类号：TD67(矿山电工)
资助基金：山西省教育厅高等学校科技创新项目(2022L704)阳泉市科技计划项目(2022JH051)
论文发表日期：2025-01-09
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：11( 21-30,144 )
英文信息