声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：50-1062/TD
国际刊号：1008-4495
发布日期:
作者：闫明伟
关键词：井下运输车辆, 低照度, 障碍物检测, CenterNet网络
为了解决巷道内运输车辆在行驶过程中对障碍物的检测易受到光照条件影响的问题, 提出了一种基于图像增强的障碍物检测方法。该方法先利用VOC数据集格式制作井下车辆行驶过程中的障碍物数据集, 然后利用MSR(Multi Scale Retinex)算法对井下采集到的低照度图像进行增强；通过改进CenterNet网络, 设计了ResNetBN-18轻量级网络, 再基于改进后的CenterNet目标检测算法训练数据集, 最后实现对井下运输车辆车前障碍物的准确检测。实验结果表明, 改进后的检测模型保持了原网络的高实时性, 检测精度比原网络提高了10.1%, 帧率提高了6.7%。
来源：2024年第1期
《矿业安全与环保》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。