MBFILNet:一个多分支机构检测网络,用于在灰尘环境下自动采矿卡车
Fei-Xiang Xu1,2,3, Di-Long Zhu1, Yu-Peng Hu1
1School of Information and Control Engineering, China University of Mining and Technology, Xuzhou 221116, China.
Sensors (Basel, Switzerland)
|September 13, 2025
概括
一个新的网络,MBFILNet,增强了在尘埃状况下自动采矿卡车的物体检测. 这种方法通过有效地处理视觉数据来提高准确性,尽管有尘埃干扰,确保更安全的操作.
科学领域:
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
背景情况:
- 自动采矿卡车需要精确的物体检测,以确保安全和可靠性.
- 灰尘的露天环境对当前的物体检测系统构成重大挑战.
- 现有的方法因尘埃干扰而难以降低性能.
研究的目的:
- 为自动采矿卡车开发一种先进的物体检测网络,能够抵御尘埃干扰.
- 为了提高对象检测在充满灰尘的环境中的准确性和可靠性.
- 引入一种新的网络架构,增强特征提取和空间依赖模型.
主要方法:
- 提出了一个多分支功能交互和位置检测网络 (MBFILNet).
- 集成的多分支特征交互与差分操作 (MBFI-DO) 用于通道智能特征提取.
- 利用深度可分离的卷积增强非局部注意力 (DSC-NLA) 进行远程空间依赖.
- 使用CycleGAN构建和增强一个定制的Dusty开放式采矿 (DOM) 数据集.
主要成果:
- 在DOM数据集上,MBFILNet实现了72.0%的平均平均精度 (mAP).
- 与Featenhancer模型相比,显示了1.3%的mAP增加.
- 与YOLOv8相比,显示了2%的mAP增长,这表明在尘埃状况下性能优越.
结论:
- MBFILNet有效地提高了对象检测准确度,在尘埃覆盖的露天采矿环境中.
- 拟议的网络架构解决了恶劣天气条件下现有方法的局限性.
- 该研究验证了MBFILNet在提高自主采矿操作的安全性和可靠性的有效性.
