基于加权双向特征融合的矿区道路落石检测

来源：黄金科学技术杂志2023年第6期北京时间：

作者：顾清华, 杜艺凡, 李萍丰, 王丹

单位： 西安建筑科技大学资源工程学院，陕西 西安 710055, 西安市智慧工业感知计算与决策重点实验室，陕西 西安 710055, 宏大爆破工程集团有限责任公司，广东 广州 511300

摘要：为了解决当前露天矿区非结构化路面落石检测存在的环境复杂、落石尺寸差异较大以及落石与非结构化路面颜色相近而造成难以精准识别的问题，提出了一种基于加权双向特征融合的矿区道路落石检测模型。首先，通过加入SimAM 注意力机制有效抑制背景环境的干扰；其次，使用加权双向特征金字塔（BiFPN）结构实现多尺度特征融合，增强模型对于不同尺寸落石的特征提取能力；最后，引入轻量级卷积GSConv模块，通过减少模型计算量来提升模型检测速度。试验结果表明，该算法的检测精度均值达到92.8%，检测速度达到63.1FPS，能够实现矿区非结构化路面落石的实时高精度检测，为无人矿卡的安全行驶提供了保障。

关键词：矿区道路,无人驾驶,机器视觉,落石检测,多尺度特征融合,YOLOv5模型

基金资助：国家自然科学基金项目“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)