低照度下改进YOLOX的煤矿无人电机车轨道障碍物检测方法

作     者：章赛 纪凡 卢才武 江松 李萌 刘力 刘迪 朱兴攀 ZHANG Sai;JI Fan;LU Caiwu;JIANG Song;LI Meng;LIU Li;LIU Di;ZHU Xingpan

作者机构：西安建筑科技大学资源工程学院西安710055 西安市智慧工业感知、计算与决策重点实验室西安710055 西安建筑科技大学管理学院西安710055 陕西陕煤榆北煤业有限公司陕西榆林719000 

出 版 物：《安全与环境学报》 (Journal of Safety and Environment)

年 卷 期：2024年第24卷第3期

页      面：952-961页

核心收录：

学科分类：08[工学] 0837[工学-安全科学与工程] 

基　　金：国家自然科学基金面上项目(51974223) 陕西省自然科学基金青年项目(2023-JC-QN-0513) 陕西省自然科学联合基金项目(2019JLP-16) 

主　　题：安全工程 井下无人电机车 目标检测 CBAM注意力机制 SIoU损失函数 

摘      要：为解决地下煤矿光照不足进而导致无人电机车脱轨、撞车或侧翻等问题,提出了一种低照度多特征融合的YOLOX-CBAM目标检测算法,对矿井无人电机车轨道障碍物进行有效识别与分类。首先,通过实际场景采集及标注构建地下煤矿障碍物数据集,并将其输入微光数据处理Zero_DCE模型中;其次,对YOLOX目标检测网络进行改进,分别在骨干网络CSPDarknet和特征金字塔(Feature Pyramid Networks,FPN)部分增加双通道CBAM注意力模块,解决了特征提取环节通道单一的问题;最后,将预测头部分的损失函数替换成SIoU,加快了模型迭代的速度。结果表明,与传统两阶段Faster-RCNN网络、YOLOv4网络、YOLOv5网络和原YOLOX网络相比,本模型精确率分别提高了4.65百分点、2.65百分点、2.19百分点、1.35百分点,召回率分别提高了9.39百分点、4.36百分点、0.82百分点、0.76百分点,速度分别提高了28.6帧/s、16帧/s、13.6帧/s、2.9帧/s,同时本模型与分别添加CBAM、SA、SA+SIoU、SE、SE+SIoU,YOLOX-CBAM模块的YOLOX模型相比,其精度分别提高了0.64百分点、0.84百分点、1百分点、1.29百分点和0.76百分点,速度分别提高了0.5帧/s、0.4帧/s、0.3帧/s、0.2帧/s和0.4帧/s。所提出的方法能实现地下煤矿井下无人电机车轨道障碍物的快速准确检测,并为地下矿运输设备的智能化升级及安全运行提供理论支撑。