矿业研究与开发

作者：杨伟康，吕文生，杨鹏，张宇栋，党龙飞

关键词：井下图像;目标检测﹔倒置残差﹔注意力;YOLOv5s模型

对井下光线昏暗、光照不均、背景复杂等特殊工况环境的影响下,所形成的图像目标存在细节特征少、图像模糊等问题进行了研究,提出了一种基于倒置残差结构改进YOLOv5s模型的检测算法﹐以此解决井下目标检测精度低的问题。首先主干网络部分引入通道注意力神经网络模块(SE-Net),提高检测精度﹔颈部网络部分在 BottleneckCSP模块中引入倒置残差结构,将通道进行扩充,丰富特征数量，进一步提升检测精度。在自建井下数据集上进行检测试验，结果表明,基于倒置残差的模型平均检测精度均值(交并比为0.5)达84.4%,相比 YOLOv5s模型精度提高了16.7个百分点,参数量减少了17.1%,模型轻量化且精度高，可有效改善井下目标检测精度低的问题,基本满足井下无人车目标检测的需求。

来源：2024年第4期

《矿业研究与开发》期刊编辑部

查看矿业研究与开发杂志2024年第4期