煤炭学报

作者：徐飞翔, 张瑞, 程德强, 钱建生, 寇旗旗, 周晨,

关键词：无人矿卡, 遮挡目标检测, 低光图像, 多感受野边缘感知, 边缘引导特征增强,

无人矿卡常需在低光环境下进行自主作业，而准确可靠的目标检测性能是保证其安全作业的前提。然而，露天矿区环境极为复杂，常出现目标被大面积遮挡，且无人矿卡与其他待检目标，如工作人员等存在多尺度特征互扰，这给低光环境下无人矿卡的遮挡目标检测带来了极大挑战。为此，提出了一种低光环境下无人矿卡遮挡目标检测网络LECODNet。首先，该网络设计了一个多感受野边缘感知模块，提取出富含局部细节信息与全局语义位置信息的边缘特征，强化目标边界信息；其次，构建了一个边缘引导特征增强模块，将提取的边缘特征作为结构先验，引导模型更聚焦目标区域；然后，在此基础上嵌入了通道感知映射注意力机制，增强了目标特征的表达能力；最后，在网络颈部部分设计了一个双向空间感知C2f，从水平方向与垂直方向同时捕捉目标空间上下文信息，增加模型对目标空间结构位置信息的感知能力。大量的试验结果表明，在自制低光环境下无人矿卡遮挡目标检测数据集LAOMD上，LECODNet的检测精度mAP@0.5与mAP@0.5∶0.95达到了83.5%与71.2%。相较于基线模型YOLOv8，分别提高了3.3%与2.3%；相较于目前主流的低光照遮挡目标检测模型FeatEnhancer，其mAP@0.5与mAP@0.5∶0.95分别提高了1.9%与1.5%。试验结果表明，所提方法可以有效增加目标区域的感知与特征表达，同时增强对空间结构关系的建模能力，有效提高低光遮挡环境下无人矿卡的目标检测性能。

来源：2025年第10期

《煤炭学报》期刊编辑部

查看煤炭学报杂志2025年第10期