金属矿山

作者：顾清华,周宇静,王丹,李萍丰

单位：1. 西安建筑科技大学资源工程学院,陕西 西安 710055;2. 西安市智慧工业感知计算与决策重点实验室,陕西 西安 710055;3. 宏大爆破工程集团有限责任公司,广东 广州 511300

关键词：道路坑洼检测,,无人驾驶,,特征提取,,安全预警,

基金：国家自然科学基金项目(编号:52074205);陕西省杰出青年基金项目(编号:2020JC-44)。

露天矿区非结构化道路坑洼一直是困扰无人矿卡行驶安全的重要难题之一,为解决因坑洼而导致无人矿卡颠簸甚至侧翻等安全难题,提出了露天矿区道路坑洼检测YOLOv7-RFEM 模型。首先,针对坑洼具有大小不一、形状不规则和特征不明显的特点,在Neck 中引入基于空洞卷积和共享权重的Scale-Aware RFE 模块,进一步扩大特征图感受野,在减少参数量的前提下提升模型多尺度检测性能和精度;其次,针对道路背景与坑洼特征相融的实际情况,模型在聚合网络模块ELAN 中增加了有效的跨空间学习多尺度注意力机制EMA(Efficient Multi-Scale Attention),增强坑洼小目标特征,减弱坑洼所在背景干扰;最后,针对坑洼边界框定位不准确的问题,采用NWD Loss 替换CIoULoss,使模型更关注预测框与真实框的重叠度,适应坑洼形状大小的变化。通过新疆哈密某大型露天矿区的试验证明:该模型在多种情况下都有着良好的检测效果,满足露天矿区无人矿卡准确检测需求。

来源：2026年第2期

《金属矿山》期刊编辑部

查看金属矿山杂志2026年第2期