一种基于UNet的高精度细分方法,用于屏蔽机的磁盘切割器持有器
Dandan Peng1, Guoli Zhu2, Zhe Xie1
1The School of Mechanical Science & Engineering, Huazhong University of Science and Technology, Wuhan, 430074, China.
Scientific reports
|July 5, 2025
概括
一个新的Res-UNet-CA模型增强了对屏蔽机器人磁盘切割机更换的视觉定位. 这种强大的细分方法克服了地下挑战,在检测磁盘切割器持有器时实现了高精度.
科学领域:
- 机器人和自动化 机器人和自动化
- 计算机视觉 计算机视觉
- 地质技术工程 地质技术工程
背景情况:
- 在盾牌机器中替换机器人切割盘器需要准确的视觉定位.
- 地下条件如低光,尘埃和碎片阻碍了识别准确度.
研究的目的:
- 开发一个强大的细分模型,用于在具有挑战性的地下条件下识别磁盘切割器持有器.
- 提高机器人操作视觉定位的准确性和效率.
主要方法:
- 提出了一种多机制增强的UNet模型 (Res-UNet-CA),包括注意力机制.
- 使用混合损失函数 (子损失 + 交叉损失) 与亚当优化器.
- 与主流语义细分模型进行实验性比较.
主要成果:
- Res-UNet模型展示了卓越的培训效率和细分精度.
- 该Res-UNet-CA架构实现了最先进的指标:准确率为99.45%,精度为98.9%,回忆率为99.11%,F1得分为99%,MIOU为98.63%.
- 在预测质量方面明显优于其他语义细分模型.
结论:
- 该Res-UNet-CA模型提供了一个创新的和有效的解决方案,用于屏蔽机磁盘切割器持有人检测.
- 这种方法提高了复杂的地下环境中视觉定位的可靠性.
- 提供了提高道运营自动化和安全性的潜力.
