基于深度学习的轻量化炮孔智能检测方法
岳中文1
金庆雨1
潘杉2
颜文婧3
覃逸峰2
陈震1
1.中国矿业大学(北京)力学与土木工程学院,北京 1000832.中国矿业大学(北京)人工智能学院,北京 1000833.北京工商大学电商与物流学院,北京 100048
摘要：在隧道(巷道)钻爆法施工过程中,智能装药可以取代人工作业,减少装药作业中危险事故的发生.然而,隧道中光线条件差、炮孔目标小和掌子面裂隙等因素会造成智能装药时炮孔的错检和漏检,同时车载计算机有限的算力也是制约炮孔识别大模型使用的难点.MCIW-2深度学习模型,可以解决在隧道掘进作业环境中的高精度炮孔检测和实时性部署问题.模型根据采集到的炮孔图像尺寸特征采取自适应锚框聚类算法优化检测框的长宽比尺寸参数;采用了具有动态非单调聚焦机制的损失函数WIoU(Wise Intersection over Union),通过优化边框回归的损失应对低质量炮孔图片的挑战实现了高精度检测;采用了MobileNetv3-Small网络与CBAM(Convolutional Block Attention Module)注意力机制构建了主干网络结构,减少了模型参数保证了检测准确率,满足车载设备的轻量化部署需求.经实验证明,MCIW-2模型在炮孔识别精确率方面达到了 96.18%,检测速度达到了 59 fps.与基准YOLO(You Only Look Once)系列目标检测模型文件最小的模型相比,所构建的轻量化炮孔智能检测模型减小了 75.86%,模型文件仅为 2.80 Mb,优于YOLO系列的基准目标检测模型.使用MCIW-2深度学习模型对工作面现场视频进行测试,实现了快速、精确地检测炮孔,测试结果表明,该模型适用于智能装药工程的轻量化部署需求,具有良好的适应性,在综合性能方面具有显著优势.
关键词：炮孔检测轻量化模型目标检测深度学习
分类号：TP391.4(计算技术、计算机技术)TD235(矿山设计与建设)
资助基金：国家重点研发计划(2021YFC2902103)
论文发表日期：2024-05-28
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：10( 2247-2256 )
英文信息