基于改进YOLOv8的露天矿区行车障碍物检测

来源：黄金科学技术杂志2024年第2期北京时间：

作者：顾清华, 周琼, 王丹

单位： 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

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。

关键词：露天矿区,无人驾驶,障碍物检测,YOLOv8检测模型,矿区复杂场景

基金资助：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”(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”(2020JC-44)