[发明专利]一种基于Tiny-Yolov4的无人驾驶电机车障碍物检测方法及电子设备

说明书

本发明涉及图像处理技术领域，具体是一种基于Tiny‑Yolov4的无人驾驶电机车障碍物检测方法及电子设备，包括以下步骤：S1、获取障碍物检测目标图像数据，将检测目标图像数据划分为训练集、验证集和测试集；S2、将Tiny‑Yolov4算法中的颈部Neck的LeakyRelu激活函数改成Mish激活函数；S3、增加Tiny‑Yolov4头部Head的预测尺度，得到改进后的Tiny‑Yolov4模型；S4、将S1的数据导入改进后的Tiny‑Yolov4模型中，经训练、验证和测试后得到的最优配置参数的改进Tiny‑Yolov4模型作为检测模型；S5、向所述检测模型输入待检测的障碍物图像数据，通过所述检测模型实现对待检测的障碍物图像数据的检测处理；本发明能够准确快速的检测并识别煤矿运输巷道中的障碍物。

技术领域

本发明涉及图像处理技术领域，具体是一种基于Tiny-Yolov4的无人驾驶电机车障碍物检测方法及电子设备。

背景技术

煤矿运输是煤炭开采的重要环节之一，煤矿井下运输分为主运输与辅助运输，其中煤矿辅助运输是指除煤炭运输之外的各种运输总和，其运输方式主要分为有轨式和无轨式。

煤矿井下轨道电机车在煤矿辅助运输中扮演着重要角色，主要用以运送人员、矸石、物料等。然而，目前大多数煤矿电机车仍然依靠人工驾驶，由于煤矿巷道较为狭窄且光照条件不足，易造成驾驶员视觉上的疲劳，导致煤矿电机车的运输事故频发。针对这一问题，国内少数煤矿通过远程监控及遥控技术实现电机车的无人驾驶，但这种无人驾驶模式不能及时发现电机车前方轨道上的障碍物，并且调度室的监控人员长时间工作容易出现疲劳，仍存在较大的安全风险，因此亟待解决。

发明内容

为了避免和克服现有技术中存在的技术问题，本发明提供了一种基于Tiny-Yolov4的无人驾驶电机车障碍物检测方法。本发明能够准确快速的检测并识别煤矿运输巷道中的障碍物。

为实现上述目的，本发明提供如下技术方案：

一种基于Tiny-Yolov4的无人驾驶电机车障碍物检测方法，包括以下步骤：

S1、获取障碍物检测目标图像数据，将检测目标图像数据划分为训练集、验证集和测试集；

S2、将Tiny-Yolov4算法中的颈部Neck的Leaky Relu激活函数改成Mish激活函数；

S3、增加Tiny-Yolov4头部Head的预测尺度，得到改进后的Tiny-Yolov4模型；

S4、将S1的数据导入改进后的Tiny-Yolov4模型中，经训练、验证和测试后得到的最优配置参数的改进Tiny-Yolov4模型作为检测模型；

S5、向检测模型输入待检测的障碍物图像数据，通过检测模型实现对待检测的障碍物图像数据的检测处理。

作为本发明进一步的方案：步骤S1将对应的障碍物检测目标图像分成四类：工人、电机车、指示灯和石头；采用LabelImg图像标注工具以矩形框的形式将图像中的目标框选出来，并分别采用“person”、“locomotive”、“lamp”和“stone”作为工人、电机车、指示灯和石头目标的标签，将标注完成的图像保存为YOLO格式。

作为本发明再进一步的方案：步骤S2中的Mish激活函数为光滑的非单调激活函数，其表达式f(x)如下：f(x)＝x·tan(ζ(x))，其中ζ(x)是一个softmax激活函数和，ζ(x)表达式为：

ζ(x)＝SoftPlus(x)＝ln(1+e^x)

其中x为输入数据。

作为本发明再进一步的方案：步骤S3是将传统的Tiny-Yolov4头部Head的两尺度预测(19×19，38×38)增加至三尺度预测(19×19，38×38，76×76)。