基于改进YOLOv5s的露天矿卡车装载率检测方法

作     者：章赛 胡月新 卢才武 王春毅 江松 朱兴攀 

作者机构：西安建筑科技大学资源工程学院 西安市智慧工业感知计算与决策重点实验室 洛阳栾川钼业集团股份有限公司 陕西陕煤榆北煤业有限公司 

出 版 物：《金属矿山》 (Metal Mine)

年 卷 期：2024年

学科分类：081901[工学-采矿工程] 0819[工学-矿业工程] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

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

主　　题：露天矿卡 装载 浅层特征 CIoU 损失函数 目标检测 

摘      要：露天矿运输过程中轻车跑票和人为套票等现象时有发生，导致运载数据统计真实性和可靠性大幅度降低，不利于矿山运营管理。针对此类现象，采用图像识别技术，提出了一种基于改进YOLOv5s的露天矿卡装载率检测方法。将露天矿卡车装载图像数据集进行数据增强与扩充，并对其进行标注；在YOLOv5s网络结构的基础上，采用改进的骨干网络GhostNet进行特征提取；增加浅层网络P2细化特征输出，提升网络对空间信息进行有效捕捉的能力，同时引入吞吐量可配置卷积C2f模块，保证轻量化的同时获得更加丰富的梯度流信息；针对目标检测后处理阶段使用更平滑的soft-NMS替代NMS去除冗余检测框，使用损失函数CIoUα对矩形框损失进行计算。研究结果表明，改进的YOLOv5s模型对不同装载率(70%，80%，90%，100%，110%)矿卡的识别准确率达到了83.2%，90.4%，93.3%，92.4%，94.1%，能满足矿山现场监测的需求。此方法具有不接触计量对象、不干扰运输系统、且运行成本低，无需人工值守等特点，能够有效降低企业运输管理成本，为实现露天矿运输的精细化管理提供数据支撑。