基于改进YOLOv8的露天矿区行车障碍物检测

作     者：顾清华 周琼 王丹 GU Qinghua;ZHOU Qiong;WANG Dan

作者机构：西安建筑科技大学资源工程学院陕西西安710055 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陕西西安710055 

出 版 物：《黄金科学技术》 (Gold Science and Technology)

年 卷 期：2024年第32卷第2期

页      面：345-355页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：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) 陕西省杰出青年基金资助项目“时空路况下金属露天矿无人驾驶多车协同智能调度集成建模”(编号:2020JC-44)联合资助 

主　　题：露天矿区 无人驾驶 障碍物检测 YOLOv8检测模型 矿区复杂场景 

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。