低光环境下无人矿卡遮挡目标检测网络
徐飞翔1
张瑞2
程德强2
钱建生2
寇旗旗3
周晨1
1.中国矿业大学信息与控制工程学院,江苏 徐州 221000;浙江大学流体动力基础件与机电系统全国重点实验室,浙江 杭州 3100272.中国矿业大学信息与控制工程学院,江苏 徐州 2210003.中国矿业大学计算机科学与技术学院,江苏 徐州 221000
摘要：无人矿卡常需在低光环境下进行自主作业,而准确可靠的目标检测性能是保证其安全作业的前提.然而,露天矿区环境极为复杂,常出现目标被大面积遮挡,且无人矿卡与其他待检目标,如工作人员等存在多尺度特征互扰,这给低光环境下无人矿卡的遮挡目标检测带来了极大挑战.为此,提出了一种低光环境下无人矿卡遮挡目标检测网络LECODNet.首先,该网络设计了一个多感受野边缘感知模块,提取出富含局部细节信息与全局语义位置信息的边缘特征,强化目标边界信息;其次,构建了一个边缘引导特征增强模块,将提取的边缘特征作为结构先验,引导模型更聚焦目标区域;然后,在此基础上嵌入了通道感知映射注意力机制,增强了目标特征的表达能力;最后,在网络颈部部分设计了一个双向空间感知C2f,从水平方向与垂直方向同时捕捉目标空间上下文信息,增加模型对目标空间结构位置信息的感知能力.大量的试验结果表明,在自制低光环境下无人矿卡遮挡目标检测数据集 LAOMD上,LECODNet的检测精度 mAP@0.5与mAP@0.5∶0.95达到了 83.5%与 71.2%.相较于基线模型YOLOv8,分别提高了 3.3%与 2.3%;相较于目前主流的低光照遮挡目标检测模型FeatEnhancer,其mAP@0.5与mAP@0.5∶0.95分别提高了 1.9%与 1.5%.试验结果表明,所提方法可以有效增加目标区域的感知与特征表达,同时增强对空间结构关系的建模能力,有效提高低光遮挡环境下无人矿卡的目标检测性能.
关键词：无人矿卡遮挡目标检测低光图像多感受野边缘感知边缘引导特征增强
分类号：TD57(矿山运输与设备)TP391.41(计算技术、计算机技术)
资助基金：国家自然科学基金(52475143)江苏省自然科学基金资助项目(BK20241638)流体动力基础件与机电系统全国重点实验室开放基金资助项目(GZKF-202421)
论文发表日期：2025-10-31
在线出版日期：2025-11-20（本平台首次上网日期，不代表文献的发表时间）
页数：16( 4691-4706 )
英文信息