Mine-DW-Fusion: Modelo de detección de objetos de fusión mejorado en múltiples escalas BEV para minas de carbón...

Área de la Ciencia:

• Robótica y sistemas autónomos
• Visión por computadora
• Ingeniería geocientífica

Sus antecedentes:

• La conducción autónoma en minas de carbón subterráneas enfrenta desafíos de percepción debido al polvo, la mala iluminación y las anomalías de los sensores.
• Los métodos existentes carecen de una evaluación efectiva de la fiabilidad de los datos de los sensores multimodales y de técnicas de fusión robustas para los fallos de los sensores.
• Se necesita un conjunto de datos multimodal dedicado a los entornos subterráneos de las minas de carbón para el desarrollo y la validación de modelos.

Objetivo del estudio:

• Desarrollar un modelo avanzado de percepción de fusión multimodal para vehículos de transporte autónomos en minas de carbón subterráneas.
• Abordar las limitaciones en la evaluación de la fiabilidad de los datos y el manejo de fallas de los sensores en entornos mineros complejos.
• Crear un conjunto de datos completo para la capacitación y prueba de modelos de percepción en escenarios reales de minas de carbón subterráneas.

Principales métodos:

• Se propuso un modelo de percepción de fusión mejorado a escala múltiple con ajuste dinámico de peso.
• Implementó una mezcla de módulos de inferencia lógica difusa de expertos (MoE-FLIM) para la ponderación de datos de modalidad basada en características de BEV.
• Se introdujo un módulo de mejora y fusión de características de pirámide multiscala (PMS-FFEM) para manejar las anomalías de los datos del sensor.
• Construido un conjunto de datos multimodal específicamente para entornos de minas de carbón subterráneas.

Principales resultados:

• El modelo propuesto logra una alta precisión y estabilidad en la detección de objetos en entornos de minas de carbón subterráneas.
• Demostró un rendimiento de percepción robusto en condiciones difíciles, incluida la poca luz y la niebla de polvo.
• El ajuste dinámico de peso y la fusión multiscala mitigan efectivamente los problemas que surgen de las anomalías de los datos del sensor.

Conclusiones:

• El modelo de percepción de fusión mejorada a múltiples escalas desarrollado por BEV mejora significativamente las capacidades de conducción autónoma en minas de carbón subterráneas.
• Los módulos MoE-FLIM y PMS-FFEM proporcionan soluciones efectivas para la evaluación de la fiabilidad de los datos y el manejo de fallas de los sensores.
• El conjunto de datos creado apoya el avance de las tecnologías de percepción para operaciones mineras más seguras y eficientes.