金属矿山

作者：张玉茜,刘文荣,孙勇,刘丰武,殷齐月,马文宁,赵建伟

单位：1. 山东省地质矿产勘查开发局第一地质大队,山东 济南 250014;2. 山东建筑大学测绘地理信息学院,山东 济南 250101

关键词：目标检测,自注意力,Faster-RCNN,矿山图像,异常行为检测,

矿山异常行为检测是一项重要工作,有助于提高采场安全生产监管效率。提出了一种基于自注意力机制的 Faster-RCNN 算法,用于矿山图像异常行为检测。该算法通过自注意力机制对特征图进行加权,有效提取关键特征,并减少冗余信息干扰。首先,从图像中提取RoI 区域,并通过自注意力机制对RoI 区域内的特征图进行加权,使得关键特征得到更准确的提取。同时,对RoI 区域内的特征图进行细粒度融合,以捕捉更多的图像细节信息。最后,使用分类器对每个RoI 区域进行分类,以检测图像中的异常行为。在自建数据集上对算法进行了训练与评估,试验结果表明:所提算法在矿工图像异常行为检测工作上表现出更高的准确性和鲁棒性,与传统的Faster-RCNN 算法相比,该算法检测精度提高了4. 8%。此外,该算法对于光照和角度等变化具有更好的鲁棒性,可以有效应对实际场景中的复杂环境。

来源：2024年第7期

《金属矿山》期刊编辑部

查看金属矿山杂志2024年第7期