矿业研究与开发

作者：王仁炎，陆占国，胡振涛，邱景平，孙效玉

关键词：露天矿;矿用卡车;目标检测;深度学习;YOLOv3

YOLOv3作为目标检测算法中的优秀模型﹐在许多领域都得到了广泛应用。针对目前露天矿作业现场环境复杂和矿用卡车目标尺度变化大的问题﹐提出了一种改进的YOLOv3矿用卡车目标检测算法。在YOLOv3的 Darknct-53骨干网络中加入第4个检测尺度﹐并将浅层网络上采样和深层网络进行特征融合﹐提高小目标检测效果;通过K-means算法对先验框尺寸进行改进,获得适合矿用卡车的最优先验框;引入CloU回归优化损失函数,提高检测精度。试验结果表明,改进后的YOLOv3矿用卡车检测模型的平均检测精度达到96.2%,相比原版 YOLOv3模型提高了2.4%,且目标检测速度能够满足实时检测的雷求。

来源：2024年第2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2期