基于SSD-LeNet的矿井移动目标检测与识别方法

• 作者: 张帆 栾佳星 崔东林 徐志超
• 来源期刊: 矿业科学学报
• 关键词: 矿井 深度学习 SSD模型 深度卷积神经网络 智能检测与识别
• 年，卷（期）: 2021,（1）
• 页码范围: 100-108
• 页数: 9页
• 分类号: TP183
• 语种: 中文

摘要

针对井下雾尘、低照度环境中矿井移动目标检测与识别存在检测精度低、实时性差等问题,提出了一种基于SSD-LeNet的矿井移动目标检测与识别方法.利用视觉传感器捕获矿井移动目标原始图像的一帧来构建模型输入,据此制作含有数字序列位置信息的数据集;离线训练的单镜头多盒检测器(Single Shot multibox Detector,SSD)模型可以输出与自身位置对应的目标特征类别,并利用该训练好的SSD学习模型对测试集中移动目标图片上的数字序列位置进行检测;根据数字序列位置对应的矩形区域进行字符分割操作,将分割后的单个字符依次放入LeNet网络中进行特征识别;识别出的单个字符按顺序合成数字序列快速检索出移动目标的身份信息.研究表明,本文方法与其他深度学习目标检测与识别方法相比,对矿井低照度及噪声环境下的目标检测与识别具有较高的准确率和较强鲁棒性,能够满足实时性要求.