基于改进YOLOv8的露天矿区行车障碍物检测 |
| |
作者姓名: | 顾清华 周琼 王丹 |
| |
作者单位: | 1. 西安建筑科技大学资源工程学院;2. 西安建筑科技大学西安市智慧工业感知计算与决策重点实验室 |
| |
基金项目: | 国家自然科学基金资助项目“金属露天矿无人驾驶多工序多目标协同智能调度方法研究”(编号:52074205); |
| |
摘 要: | 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。
|
关 键 词: | 露天矿区 无人驾驶 障碍物检测 YOLOv8检测模型 矿区复杂场景 |
|