YOLOv5s-C矿井电机车障碍物识别算法研究  

作　　者：崔子健 方偲忱 杨明昊 宋安然 张细政[1] 

机构地区：[1]湖南工程学院计算机与通信学院,湖南湘潭411104

出　　处：《中文科技期刊数据库（全文版）工程技术》2023年第2期44-47,共4页

基　　金：国家自然科学基金项目(62173134);湖南省高新技术产业科技创新引领计划(科技攻关类)(2020GK2089)

摘　　要：矿井电机车障碍物准确快速检测对无人电机车自动、安全运行意义重大。针对现有深度学习电机车障碍物检测方法在电机车行驶过程中,检测精度低的问题。提出了一种改进的YOLOv5模型(YOLOv5-C),用于矿井电机车障碍物的检测。将卷积注意力机制(CBAM)融入到Neck网络层,增强模型的特征提取能力。另外,收集并制作了不同光照、不同场景的电机车障碍物数据集。利用该数据集训练测试改进模型。实验表明,改进后的模型可有效检测矿井电机车障碍物,提高了障碍物的检测能力。与原始 YOLOv5s 模型相比,平均精度均值提升了1.2%。能够满足无人驾驶电力机车的障碍检测要求。

关 键 词：注意力机制 YOLOv5 障碍物检测 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]