一种智慧矿山场景下的目标检测方法

• 作者: 张保俊 袁广驰 李志祥 张帅乾 刁小宇
• 来源期刊: 物联网技术
• 学科: 工学
• 关键词: 智慧矿山 YOLOv3 k-means 聚类算法 锚点框 Darknet-31 MINE 数据集
• 年，卷（期）: 2022,（10）
• 所属期刊栏目: 学术研究_全面感知
• 页码范围: 21-23
• 页数: 2页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16667/j.issn.2095-1302.2022.10.005

摘要

智慧矿山场景单一、目标种类少，对识别算法速度要求高。针对上述特点，文中在YOLOv3的基础上提出了一种Mine_YOLOv3网络。设计了一种Darknet-31特征提取网络，既可以提取矿卡等大目标的语义特征，又可以提取石头等小目标的细节特征，且网络计算量较少，有利于快速识别前方障碍物。此外，针对k-means聚类算法对初始点敏感的缺点，文中使用k-means++生成先验框坐标，提高了算法收敛的速度。实验证明，改进后的算法在矿山数据集上的FPS为50.7，mAP为68.32%，可快速准确地对智慧矿山中的目标进行识别。