低照度模糊环境下输送带巡检机器人目标识别关键技术
赵红菊
中煤科工机器人科技有限公司;中煤科工(辽宁)具身智能科技有限公司
摘要：针对现有煤矿井下带式输送机巡检目标识别(尤其是小目标缺陷识别)精度较低问题,提出了一种基于深度学习的目标智能检测方法.采用YOLOv5模型作为基础网络,引入了Res2Net多尺度特征表征模块,替换主干网络中C3 模块的 Bottleneck,以在网络中增加感受野通道.在主干网络和特征融合网络中引入CA注意力机制,提升通道利用率和带面早期损伤检测精度.使用数据集训练YOLOv5模型,并与原有YOLOv5框架对比试验.经现场试验验证,使用训练后的模型对输送带跑偏距离≥10 cm的检测准确率≥95%,对纵撕长度≥10 cm的检测准确率为80%～95%,对异物检测异物规格>80 mm的检测准确率为80%～95%,托辊异常检测准确率为96%.相比优化改进之前,加权检测准确度从83%提高到95%.
机标关键词：巡检机器人模糊环境低照度关键技术bottleneck井下带式输送机检测准确率注意力机制
资助基金：国家重点研发计划(2022YFB4703600)
论文发表日期：2025-11-30
在线出版日期：2025-12-10（本平台首次上网日期，不代表文献的发表时间）
页数：6( 65-70 )