煤炭科学技术

作者：程铄棋, 伊力哈木·亚尔买买提, 谢丽蓉, 李熙玉, 马颖,

关键词：无人矿卡, 目标检测, LWHP, 轻量化, 加权双向特征金字塔网络, 多头注意力机制,

随着人工智能技术不断发展和智慧矿山理念的逐步推进，传统露天矿山的运营模式正在被自动化方式取代。无人矿卡作为智慧矿山的重要组成部分，其推广应用有效解决了因矿区地形不规则、路面坑洼或恶劣天气等因素导致的矿卡翻车、侧滑等问题，从而显著降低了由此引发的伤亡事故。准确的检测目标类别是做避障决策的前提，而模型轻量化可以在资源有限的条件下很好地部署。因此，针对露天矿山场景下，无人矿卡目标检测算法存在参数量多、模型较大及小目标和遮挡目标检测准确率低的问题，提出轻量级无人矿卡检测算法LWHP(Lightweight High-Precision），设计思路有以下4点：其一，提出高效加权双向的特征金字塔网络R-BiFPN，利用这一结构重构颈部网络，通过跨层连接及双向传播，减少冗余计算路径，并通过加权特征融合方式增强多尺度特征融合能力，提升小目标检测能力的同时大幅度降低参数量；其二，设计带有多头注意力机制的检测解耦头，改善卷积层冗余导致网络复杂的问题，并处理空间维度以集中捕捉目标特征，减弱无关背景干扰，提升遮挡目标识别准确率；其三，利用双重卷积构建轻量级神经网络CDC，增强通道间信息流动，提高模型特征表达能力并降低模型复杂度；其四，引入EIOU损失函数，分别计算目标边界框的宽高差异，并加入Focal Loss解决难易样本不平衡问题，获得更快的收敛速度和更优秀的定位能力。试验表明：改进后算法相较于原始算法参数量降低50.2%，计算量减少46.3%，模型大小压缩47.6%，仅有3.3 MB，且FPS达到92.9，满足实时性需求。精度提升1.6%，召回率提升3.1%，平均精度达到79.6%，相比原模型提升2%，保证轻量级部署的同时提升了检测准确率。

来源：2025年第7期

《煤炭科学技术》期刊编辑部

查看煤炭科学技术杂志2025年第7期