中国安全科学学报

作者：杨奉展, 顾清华, 李少博, 杨建春

单位：1 西安建筑科技大学 资源工程学院,陕西 西安 710055；2 西安建筑科技大学 西安市智慧工业感知计算与决策重点实验室,陕西 西安 710055；3 哈密市和翔工贸有限责任公司,新疆 哈密 839200

关键词：露天矿,低能见度,无人矿卡,多模态融合,障碍物检测,感知预警

基金：国家自然科学基金资助(52374135); 国家自然科学基金资助(52074205); 陕西省金属矿智能开采理论及技术创新团队(2023-CX-TD-12)

为解决露天矿区低能见度、低照度环境中无人矿卡对行进障碍物的感知误差问题,减少碰撞风险,提出基于多模态融合的障碍物检测方法;首先,采用轻量粘合(LightGlue)图像配准算法,对齐热红外与可见光不同模态图像的空间,避免融合前的空间错位与几何失真;其次,模态特征提取与融合阶段,在改进的双分支主干网络引入双模态特征融合(DMFF)模块,通过特征压缩、跨模态特征增强,提高提取双模态特征的能力并完成融合;然后,引入迭代学习方法,深入匹配模态间的互补信息,获取双模态特征映射图,提高多模态检测性能;最后,将各尺度融合的特征映射图输入到检测头部,结合边界框回归与分类预测进行精确检测。结果表明:该方法在低能见度等复杂场景下对障碍物的检测效果较好,阈值为0.5时的平均精度均值(mAP@0.5)达到90.8%;F1平衡分数达到0.887,较现有方法表现出更高精度和速度,并且误报率和漏检率也较低,能有效提升无人矿卡在复杂环境下的检测精度和安全性。

来源：2025年第5期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2025年第5期