一种运煤环境夜间托辊检测算法

作者：杨金刚; 任磊; 孙树权

来源：矿业装备, 2023, (09): 56-59.

• 巡检机器人
• YOLO v5
• 夜间图像
• Transformer网络

为了研究夜间环境下煤炭巡检机器人的视觉检测技术，实现巡检机器人的夜间作业，提出了一种多尺度卷积神经网络改进YOLOv5和AE自动曝光相结合的算法，可实现夜间复杂环境下物体的识别与检测。其中，改进YOLOv5网络结构，借鉴Transformer网络结构，提升了检测速度,克服了全卷积缺乏提取全局特征的缺陷，加强了小目标和遮挡托辊识别的鲁棒性，并配合AE自动曝光算法，显著提高了检测精度。研究试验结果表明，改进YOLOv5网络的精确率达95.1%，召回率达93.2%,F1值达0.94，显著高于YOLOv5。由于改进YOLOv5网络与传统AE自动曝光结合的算法对夜间复杂环境下物体的识别具有更强的鲁棒性和更高的检测精度，因而为巡检机器人的视觉识别提供了更佳的技术支持。