趙偉，王爽，3，趙東洋

（1.安徽理工大學(xué) 深部煤礦采動響應(yīng)與災(zāi)害防控國家重點實驗室，安徽 淮南 232001；2.安徽理工大學(xué) 機械工程學(xué)院，安徽 淮南 232001；3.礦山智能技術(shù)與裝備省部共建協(xié)同創(chuàng)新中心，安徽 淮南 232001）

0 引言

煤炭是我國的主體能源[1]，在保障能源需求和推動經(jīng)濟增長方面發(fā)揮著關(guān)鍵作用。2020 年2 月25 日，國家八部委聯(lián)合印發(fā)《關(guān)于加快煤礦智能化發(fā)展的指導(dǎo)意見》，對煤礦運輸設(shè)備無人駕駛、智能感知等提出了更高要求[2-3]。煤礦電機車作為主要的運輸裝備，承擔著煤炭、物料、人員與相關(guān)設(shè)備的輔助運輸任務(wù)[4]。由于礦井電機車運輸作業(yè)場景多樣，常運行于高噪聲、窄巷道、低光照等惡劣環(huán)境[5]中，容易引起駕駛員疲勞駕駛，從而造成電機車脫軌、追尾等事故。因此，研究煤礦無人駕駛電機車的智能化感知技術(shù)具有重要意義。

環(huán)境感知是無人駕駛技術(shù)的重要組成部分，準確的目標檢測對提高無人駕駛電機車的安全性和效率至關(guān)重要。傳統(tǒng)的目標檢測方法難以適應(yīng)煤礦井下的復(fù)雜環(huán)境，隨著深度學(xué)習(xí)的快速發(fā)展，基于深度學(xué)習(xí)的目標檢測算法得到廣泛應(yīng)用[6]。目前以R-CNN[7]、Mask R-CNN[8]、YOLO 系列[9]、SSD[10]等為代表的深度學(xué)習(xí)算法在目標檢測中已取得優(yōu)異表現(xiàn)。李偉山等[11]在Faster R-CNN 上構(gòu)建了一種區(qū)域候選網(wǎng)絡(luò)（Region Proposals Network，RPN）結(jié)構(gòu)，解決了煤礦井下行人檢測的多尺度問題。He Deqiang等[12]在Mask R-CNN 模型中引入了ResNet[13]骨干特征提取網(wǎng)絡(luò)，提高了模型的檢測精度。郝帥等[14]在YOLOv5 網(wǎng)絡(luò)模型中引入注意力機制，有效解決了復(fù)雜環(huán)境條件下輸送帶中非煤異物難以檢測的問題。鄭玉珩等[15]基于YOLOv5 單階段檢測算法，采用BiFPN 特征融合結(jié)構(gòu)，解決了遮擋目標的檢測問題。楊藝等[16]提出了一種LiYOLO 模型，該模型在面對綜采工作面動態(tài)變化、煤塵干擾等復(fù)雜情況下，表現(xiàn)出了良好的魯棒性。葛淑偉等[17]通過改進SSD算法，提升了模型對錨孔的檢測性能。盡管研究者們在目標檢測領(lǐng)域取得了一定成就，但針對運行于光照不均、高噪聲等復(fù)雜環(huán)境中的礦井電機車多目標檢測精度低的問題有待深入研究。

為解決上述問題，本文提出了一種基于SDYOLOv5s-4L 的煤礦井下無人駕駛電機車多目標檢測模型。在數(shù)據(jù)預(yù)處理階段，采用高斯噪聲、運動模糊和隨機光照等方式對數(shù)據(jù)集進行增強處理，以提升數(shù)據(jù)集多樣性和算法魯棒性。在損失函數(shù)方面，用SIoU[18]替換了原有的CIoU[19]，使網(wǎng)絡(luò)可以更好地學(xué)習(xí)目標的位置信息。在YOLOv5s 檢測頭部引入解耦頭[20]，緩解分類任務(wù)和回歸任務(wù)之間的沖突，使模型可以快速捕捉目標的多尺度特征；引入小目標檢測層，以增強網(wǎng)絡(luò)對小目標的特征提取能力和檢測精度。

1 YOLOv5s 模型及其改進策略

1.1 YOLOv5s 網(wǎng)絡(luò)結(jié)構(gòu)

YOLOv5s 網(wǎng)絡(luò)結(jié)構(gòu)主要由骨干網(wǎng)絡(luò)（Backbone）、頸部段（Neck）及頭部端（Head）3 個部分組成，如圖1所示。Backbone 由CBL 模塊、C3 模塊和SPPF 模塊組合而成，負責提取多尺度特征信息。CBL 是由1 個卷積層（Conv）、1 個批標準化層（Batch Normalization，BN）和1 個SiLu 激活函數(shù)組成的卷積塊；C3 模塊包含3 個卷積層和多個Bottleneck 模塊；SPPF 模塊在空間金字塔池化（Spatial Pyramid Pooling，SPP）基礎(chǔ)上，將原結(jié)構(gòu)中3 路并行的Maxpool 改為串行，使網(wǎng)絡(luò)模型能夠在不影響性能的同時提升計算速率。Neck 采用特征金字塔網(wǎng)絡(luò)（Feature Pyramid Network,FPN）與路徑聚合網(wǎng)絡(luò)（Path Aggregation Network，PAN）結(jié)構(gòu)來融合不同尺寸的特征圖，從而獲取豐富的特征信息。其中FPN[21]是自頂向下，將高層的語義信息傳遞到底層；PAN[22]是自底向上，將底層的位置信息傳遞到高層。Head 根據(jù)前向傳遞的特征信息，在圖像上生成帶有特征的邊界框，且邊界框上顯示有類別名稱及檢測概率。

圖1 YOLOv5s 網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 YOLOv5s network structure

1.2 YOLOv5s 改進策略

1.2.1 損失函數(shù)改進

損失函數(shù)用來估量模型的預(yù)測值與真實值之間的不一致程度，目標檢測的準確性在很大程度上依賴于所使用的損失函數(shù)，因此選用適當?shù)膿p失函數(shù)有利于模型檢測精度的提升。

在YOLO 系列目標檢測模型中，損失函數(shù)主要由分類損失、置信度損失和定位損失[23]組成。其中，定位損失對于目標檢測算法具有重要意義。通過優(yōu)化定位損失，算法可更準確地確定目標位置和邊界框，并且能夠在復(fù)雜場景中更好地區(qū)分目標和背景，從而提高模型的檢測精度和抗干擾能力。

目前YOLOv5 網(wǎng)絡(luò)模型采用CIoU 作為定位損失函數(shù)，CIoU 綜合考慮了真實框與預(yù)測框之間的重疊面積、中心點距離和長寬比，克服了GIoU 的退化問題，同時解決了DIoU 無法區(qū)分中心點重合時交并比一樣的情況，但忽略了真實框與預(yù)測框之間角度不匹配的問題。當檢測目標尺度差異較大時，模型的收斂速度會變慢，從而影響模型的檢測精度。因此，本文引入SIoU 作為YOLOv5 網(wǎng)絡(luò)的定位損失函數(shù)。SIoU 計算公式為

式中：IoU為預(yù)測框和真實框的交并比；Δ為距離損失；Ω為形狀損失；Λ為角度損失；ρt為衡量預(yù)測框中心點與真實框中心點之間坐標偏差的歸一化指標，t=x 表示橫坐標，t=y 表示縱坐標；ch為真實框與預(yù)測框中心點的高度差；σ為真實框與預(yù)測框中心點的距離；ωr為預(yù)測框和真實框之間的偏差，r=w 表示寬度偏差，r=h 表示高度偏差；θ為權(quán)重系數(shù)。

SIoU 在CIoU 的基礎(chǔ)上引入了角度損失，降低了損失的總自由度，使預(yù)測的邊界框更加準確地適應(yīng)目標的形狀和方向。

1.2.2 解耦頭

在目標檢測中，分類任務(wù)與回歸任務(wù)所關(guān)注的特征信息不同。分類任務(wù)需要確定圖像中目標的類別，因此專注于特征圖中的突出區(qū)域；回歸任務(wù)則專注于目標的邊緣信息，以此來準確預(yù)測目標在圖像中的位置和尺度。

在YOLOv5 網(wǎng)絡(luò)模型中，分類任務(wù)和回歸任務(wù)通過共享的卷積層完成。由于參數(shù)共享，分類任務(wù)和回歸任務(wù)無法專注于各自的目標區(qū)域，使得2 個任務(wù)之間相互干擾，導(dǎo)致模型性能降低。為解決上述問題，本文在YOLOv5s 頭部引入解耦頭替換原耦合頭，解耦頭結(jié)構(gòu)如圖2 所示，H，W，C分別為圖像的高度、寬度和通道數(shù)。首先，采用1 個1×1 卷積對輸入的FPN 特征進行降維，將特征維數(shù)減少到256；然后，經(jīng)過2 個平行的分支，一個用于分類任務(wù)，一個用于回歸任務(wù)，每個分支后面均接有2 個3×3 卷積；最后，分類分支再經(jīng)過1 個1×1 卷積進行分類操作，回歸分支中2 個平行的定位與置信度分支里各經(jīng)過1 個1×1 卷積進行定位和置信度操作。

圖2 解耦頭結(jié)構(gòu)Fig.2 Decoupled head structure

解耦頭通過2 個分支分別處理分類任務(wù)和回歸任務(wù)，使得2 個任務(wù)之間相互獨立、互不干擾。這種結(jié)構(gòu)有利于模型快速準確地捕捉目標的多尺度特征，并在不同層級上進行特征融合與重定位，以提升目標檢測的定位準確性與適應(yīng)性。

1.2.3 小目標檢測層

YOLOv5s 網(wǎng)絡(luò)模型通過多個下采樣層來增強感受野，這導(dǎo)致圖像分辨率降低，使得小目標的細節(jié)特征在較大感受野的特征圖中變得模糊。此外，由于小目標與背景之間的尺度差異較大，模型更易聚焦于特征明顯的區(qū)域，從而忽略小目標的微弱特征，導(dǎo)致網(wǎng)絡(luò)模型對小目標的檢測效果不佳。

為了提高網(wǎng)絡(luò)模型對小目標的檢測性能，本文在YOLOv5s 網(wǎng)絡(luò)中增加了1 層小目標檢測層。將原三尺度檢測層增至4 層，增強了網(wǎng)絡(luò)模型對小目標的關(guān)注度，使得更底層的特征信息得到進一步融合，對小目標檢測精度的提升有著積極作用。結(jié)合前述改進方式，將改進后的網(wǎng)絡(luò)模型命名為SDYOLOv5s-4L，其網(wǎng)絡(luò)結(jié)構(gòu)如圖3 所示。

圖3 SD-YOLOv5s-4L 網(wǎng)絡(luò)結(jié)構(gòu)Fig.3 SD-YOLOv5s-4L network structure

2 實驗與分析

2.1 數(shù)據(jù)集創(chuàng)建

本文所采用的電機車圖像數(shù)據(jù)采集于淮南礦業(yè)（集團）有限責任公司顧橋煤礦、淮北礦業(yè)股份有限公司袁店一礦及中煤新集能源股份有限公司新集二礦3 個不同礦井中電機車運行的多段運輸巷。為進一步提高數(shù)據(jù)集多樣性與檢測算法魯棒性，除YOLOv5s網(wǎng)絡(luò)模型本身的數(shù)據(jù)增強方法外，本文還采用高斯噪聲、運動模糊及隨機光照等方式對數(shù)據(jù)集進行增強處理。經(jīng)整理后共得到4 500 張圖像，包含輔助運輸作業(yè)過程中低照度、高噪聲、人機多目標混雜及運動模糊4 種生產(chǎn)環(huán)境。部分數(shù)據(jù)集圖像如圖4 所示。采用標注工具LabelImg 對數(shù)據(jù)集進行標注，標注類別有“person”“stone”“signal light”，分別表示行人、石塊和信號燈。最后將標注好的圖像按照8∶1∶1 比例隨機劃分為訓(xùn)練集、測試集和驗證集。

圖4 部分數(shù)據(jù)集圖像Fig.4 Partial dataset images

2.2 實驗環(huán)境及評價指標

2.2.1 實驗環(huán)境

本文實驗環(huán)境為Ubuntu 18.04 操作系統(tǒng)下搭建的PyTorch 1.9.0 深度學(xué)習(xí)框架Python 3.8 及CUDA11.1編程軟件，具體配置見表1。

表1 實驗環(huán)境Table 1 Experimental environment

為獲得最優(yōu)訓(xùn)練模型，在網(wǎng)絡(luò)模型訓(xùn)練前，需對模型配置文件中的超參數(shù)進行設(shè)置，具體見表2。batch-size 為一批訓(xùn)練樣本的數(shù)量，該值根據(jù)實驗設(shè)備性能而定；momentum 為動量，表示網(wǎng)絡(luò)每次迭代更新的變化程度，調(diào)整梯度下降達到最優(yōu)值的速度；decay 為權(quán)重衰減系數(shù)，用來防止模型過擬合；learning rate 為初始學(xué)習(xí)率，用以控制參數(shù)的更新速度；epochs 為迭代次數(shù)。網(wǎng)絡(luò)模型的優(yōu)化器為SGD。

表2 超參數(shù)設(shè)置Table 2 Hyper-parameter setting

2.2.2 評價指標

在目標檢測領(lǐng)域中，常用的評價指標包括準確率P、召回率R、平均精度（Average Precision，AP）、平均精度均值（mean Average Precision，mAP）及調(diào)和均值F1。有關(guān)評價指標的計算公式為

式中：TP為正樣本被正確識別為正樣本的數(shù)量；FP為負樣本被錯誤識別為正樣本的數(shù)量；FN為正樣本被錯誤識別為負樣本的數(shù)量；mAP為mAP 的值；N為類別總數(shù)。

2.3 實驗結(jié)果分析

2.3.1 不同網(wǎng)絡(luò)模型檢測效果對比

為了直觀說明SD-YOLOv5s-4L 網(wǎng)絡(luò)模型的檢測效果，將其與YOLOv5n、YOLOv5m 和YOLOv5s網(wǎng)絡(luò)模型進行對比，檢測結(jié)果如圖5 所示。

圖5 不同網(wǎng)絡(luò)模型檢測效果對比Fig.5 Comparison of detection results of different algorithms

由圖5 可看出，在對信號燈和行人的檢測中，YOLOv5n、YOLOv5m 和YOLOv5s 網(wǎng)絡(luò)模型出現(xiàn)了目標置信度得分低的問題，而SD-YOLOv5s-4L 網(wǎng)絡(luò)模型的目標置信度得分較高；在對小目標（石塊）的檢測中，YOLOv5n 網(wǎng)絡(luò)模型出現(xiàn)了錯檢情況，YOLOv5m 和YOLOv5s 存在漏檢現(xiàn)象，而SDYOLOv5s 網(wǎng)絡(luò)模型能夠?qū)崿F(xiàn)精準檢測且檢測精度較高。因此，SD-YOLOv5s-4L 網(wǎng)絡(luò)模型更能滿足煤礦井下電機車的多目標檢測需求。

2.3.2 消融實驗

為了驗證不同的改進策略對YOLOv5s 網(wǎng)絡(luò)模型的優(yōu)化作用，設(shè)計了5 組消融實驗，實驗結(jié)果見表3。

表3 消融實驗結(jié)果Table 3 Ablation experiment results

表3 中每組消融實驗mAP 值的對比如圖6 所示。實驗結(jié)果表明：引入SIoU 損失函數(shù)，mAP 為0.940，較YOLOv5s 提升了1.3%，說明角度損失的加入降低了損失的總自由度，對模型檢測精度的提升有著積極作用；引入解耦頭后，mAP 提升了1.6%，其中對行人、信號燈和石塊分別提升了1.1%、0.5%及3.2%，說明解耦頭的引入有利于增強網(wǎng)絡(luò)模型的檢測性能；添加小目標檢測層后，mAP 提高了4.1%，其中對石塊的檢測精度為97.1%，提高了8%，有效提升了網(wǎng)絡(luò)模型對小目標的檢測能力；將解耦頭、SIoU及小目標檢測層全部加入原YOLOv5s 網(wǎng)絡(luò)模型中，mAP 為0.979，提升了5.2%，其中行人檢測的平均精度提高了3.5%，信號燈檢測的平均精度提升了2.2%，石塊檢測的平均精度提升高達9.8%。實驗結(jié)果驗證了各個改進策略對YOLOv5s 網(wǎng)絡(luò)模型均起到了較好的優(yōu)化作用，有效解決了多目標檢測精度低、小目標檢測困難的問題。

2.3.3 對比實驗

為了進一步驗證SD-YOLOv5s-4L 網(wǎng)絡(luò)模型的檢測性能，將其與YOLO 系列的主流網(wǎng)絡(luò)模型YOLOv5n，YOLOv5m，YOLOv5s，YOLOv7及YOLOv8進行對比，實驗結(jié)果見表4。

表4 對比實驗結(jié)果Table 4 Comparative experimental results

表4 中不同網(wǎng)絡(luò)模型的mAP 值對比如圖7 所示。實驗結(jié)果表明：SD-YOLOv5s-4L 網(wǎng)絡(luò)模型對多種目標都有較高的檢測精度，mAP 較YOLOv5n，YOLOv5m，YOLOv5s，YOLOv7，YOLOv8 分別提高了6.7%，2.5%，5.2%，3.3% 和2.6%。調(diào)和均值F1為0.96，較YOLOv5n，YOLOv5m，YOLOv5s，YOLOv7，YOLOv8 分別提高了7%，3%，5%，2% 和4%，表明SD-YOLOv5s-4L 網(wǎng)絡(luò)模型具有更優(yōu)異的性能。

圖7 不同網(wǎng)絡(luò)模型的mAP 對比Fig.7 Comparison of mAP for different network models

3 結(jié)論

1）為解決真實框與預(yù)測框方向不匹配問題，引入損失函數(shù)SIoU，以降低損失的總自由度，使網(wǎng)絡(luò)可以更好地學(xué)習(xí)目標的位置信息；為了緩解模型回歸任務(wù)與分類任務(wù)之間的沖突，引入解耦頭，使模型可以快速捕捉目標的多尺度特征；為解決小目標識別困難的問題，在YOLOv5 的基礎(chǔ)上增加小目標檢測層，提升網(wǎng)絡(luò)模型對小目標的檢測性能。改進后的網(wǎng)絡(luò)模型SD-YOLOv5s-4L 的mAP 較原YOLOv5s網(wǎng)絡(luò)模型提升了5.2%，達97.9%。

2）SD-YOLOv5s-4L 網(wǎng)絡(luò)模型對小目標的檢測精度高達98.9%，較YOLOv5s 網(wǎng)絡(luò)模型提升了9.8%，改進后的網(wǎng)絡(luò)模型大幅提高了對小目標的檢測能力，有效解決了小目標識別困難的問題。

3）將SD-YOLOv5s-4L 網(wǎng)絡(luò)模型與YOLOv5n，YOLOv5m，YOLOv5s，YOLOv7，YOLOv8 進行對比，實驗結(jié)果表明：SD-YOLOv5s-4L 網(wǎng)絡(luò)模型對多種目標的檢測精度均為最高且調(diào)和均值F1更逼近于1，為實現(xiàn)煤礦井下電機車的無人駕駛提供了技術(shù)支撐。