基于改进YOLOv8的露天矿区行车障碍物检测

露天矿区场景复杂，行车障碍物检测受扬尘和颗粒物等粉尘噪声干扰严重，难以准确识别障碍物，尤其是光线较差的夜间，不利于做出正确决策，从而影响无人作业的安全性和整体效率。针对以上问题，提出了一种基于YOLOv8n模型的露天矿区行车障碍物检测算法YOLOv8n-Enhanced。该算法主要从3个方面进行了改进，具体包括：首先，针对受粉尘噪声干扰严重和夜间光线不足的问题，提出了C2fCA模块结构，提高了模型特征提取能力；其次，使用轻量级卷积技术GSConv和VoV-GSCSP模块，减轻模型复杂性，实现检测器更高的计算成本效益；最后，使用WIOU损失函数，提高了模型泛化能力。试验结果表明：改进算法在保持实时性的前提下，可将YOLOv8n的平均精度（mean Average Precision,mAP）分别提高1.8%和2.6%，实现白天与夜间场景下不同尺度的障碍物识别。