金属矿山

作者：游绍彦,万强,郭琦

单位：1. 长治职业技术学院能源与安全工程系,山西 长治 046000;2. 华南理工大学计算机科学与工程学院,广东 广州 510641

关键词：矿山遥感图像,,目标检测,,生成对抗网络,,循环神经网络,

基金：广东省自然科学基金项目(编号:2022A1515140120)。

针对传统矿山遥感图像目标检测中目标尺度变化大、特征提取不充分、检测精度不高等问题,提出了一种融合生成对抗网络( Generative Adversarial Network,GAN)和循环神经网络(Recurrent Neural Network,RNN)的矿山遥感图像目标检测方法。该方法首先利用改进的GAN 生成高质量的矿山目标样本,扩充训练数据集;再设计双向RNN(Bi-RNN)网络提取时序特征,并与卷积神经网络提取的空间特征进行融合;最后采用Faster R-CNN 检测框架实现目标检测。在包含露天采场、排土场、尾矿库等典型矿山目标的试验数据集上验证了该算法性能。结果表明:该法平均检测精度达到92. 7%,比Faster R-CNN 提高了4. 3 个百分点;对小目标的检测召回率提升明显,由85. 6%提升至91. 2%;检测速度达到115 帧/ s,为矿山安全监测和环境评估提供了新的技术手段。

来源：2026年第1期

《金属矿山》期刊编辑部

查看金属矿山杂志2026年第1期