【技术实现步骤摘要】
本专利技术属于煤矿安全工程技术及人工智能，具体涉及一种用于可摘挂猴车人员乘坐距离不足检测方法。
技术介绍
1、可摘挂猴车是一种广泛应用于煤矿井下运输的工具，主要用于运送人员和物资。在煤矿井下工作环境中，井道空间狭窄，乘坐猴车的人员之间保持安全距离至关重要。近年来，随着煤矿生产规模的扩大和机械化程度的提高，井下运输的安全性受到越来越多的关注。
2、根据中国《煤矿安全规程》及相关政策文件的要求，煤矿企业必须采取有效措施，保障井下人员的运输安全。《中华人民共和国安全生产法》和《煤矿安全规程》明确规定，煤矿企业应当建立健全安全生产责任制，加强对井下运输系统的监控和管理，防止因人员乘坐距离不足导致的安全事故。
3、为了解决井下运输中人员距离监测的难题，迫切需要一种自动、准确的技术。近年来，人工智能和深度学习技术的现有的人员乘坐距离监测方法主要依赖人工观察和管理，不仅效率低下，而且容易出现疏漏。人工监控不仅对人员的专注力要求高，还存在主观判断不准确的问题，难以应对复杂多变的井下环境。此外，随着煤矿井下运输系统的自动化和智能化发展，传统的监测方法已不能满足现代煤矿安全生产的需求。
技术实现思路
1、为解决现有技术存在的技术问题，本专利技术基于主流的yolov5检测模型，并在其基础上结合图像预处理、后处理算法和改进的目标检测方法，提供了一种高效、准确的乘坐人员距离监测方法。该方法通过优化模型结构、增强图像处理、引入联合训练和实时分析技术，实现了对井下复杂环境中乘坐人员的准确
2、为实现上述目的，本专利技术所采用的技术方案为：一种用于可摘挂猴车人员乘坐距离不足检测方法，具体步骤如下：
3、步骤s1、数据集采集：在数据采集阶段，首先需要在井下运输系统的关键位置部署高质量、稳定的摄像头，并确保摄像头能够覆盖到需要监测的区域。采集过程应该覆盖不同时间段，确保在多种光照、环境条件下都能收集到有效的静态图像数据和动态视频数据。针对煤矿井下的特殊环境，数据采集要尽量涵盖不同运输系统的场景，例如不同运行速度、不同隧道、不同时间段的猴车。在数据标注时，需要对每一帧图像中的乘坐人员进行精确标记，记录其位置、尺寸等信息。标注工具可以选择基于矩形框的标注形式，同时标注人员的具体状态(例如，不同的猴车乘坐人员姿势等)。为了提高数据的质量，建议在采集过程中对图像进行实时检查，确保每一帧都具备足够的清晰度和可用性，避免因图像模糊或遮挡导致标注错误。
4、步骤s2、数据预处理：数据预处理包括去噪和数据增强两个关键步骤，以确保模型训练效果的优化。首先，去噪处理(如高斯滤波、中值滤波和双边滤波等)通过减少图像中的噪声，特别是避免头灯直射摄像头时产生的强光照射干扰，显著提升图像的清晰度和细节表现。这一步骤有助于消除强光造成的视觉干扰，确保乘坐人员和猴车特征更加清晰。其次，数据增强技术通过对图像进行旋转、翻转、缩放和颜色变换等操作，增加数据集的多样性。这种技术不仅能模拟各种实际操作场景，还能提升模型对不同环境变化的适应能力。通过这些预处理措施，数据质量和多样性得到显著提升，为模型训练提供了更加准确、丰富的输入数据，从而有效提高了目标检测的准确性和鲁棒性。
5、步骤s3、数据标注及拆分：
6、数据标注及拆分是确保模型训练和测试质量的重要步骤。具体步骤包括：
7、标注工具选择：使用专业标注工具labelimg进行图像标注，这些工具支持矩形框、多边形等多种标注方式，提供直观的用户界面，方便高效地对图像中的目标进行标记。
8、标注质量控制：进行严格的标注质量检查，确保标注的准确性和一致性。检查每个标注框是否准确覆盖目标区域，并修正任何标注错误或遗漏，以保证数据集的高质量。
9、数据拆分：将标注好的数据集按照比例7：2：1拆分为训练集、验证集和测试集。训练集用于模型的训练，验证集用于模型的调优和参数选择，测试集用于最终性能评估，确保每个数据集能够全面反映实际应用中的各种情况。
10、步骤s4、在改进yolov5网络结构方面，通过引入optimal transport assignment(ota)算法和高级损失函数(eiou、siou和alphaiou)，实现了目标检测的进一步提升。ota算法通过将目标与检测框之间的距离转换为概率分布，并最小化两个概率分布之间的wasserstein距离，显著提高了检测速度和精度。同时，eiou、siou和alphaiou损失函数优化了检测框和真实框之间的匹配，考虑了旋转关系、形状差异和重叠程度，进一步增强了模型的鲁棒性和准确性。通过这些改进，yolov5在井下复杂环境中的检测性能得到了显著提升，为乘坐人员距离不足的检测提供了可靠的技术支持。
11、步骤s5、模型训练及调优包括确定网络结构并选择合适的训练超参数，如学习率、批量大小、迭代次数、优化器以及损失函数等。在此过程中，首先选择合适的yolov5网络结构，并根据任务需求调整其层数、卷积核大小等。接着，设置训练超参数，通过网格搜索等方式选择最优值，确保训练过程中的效率和稳定性。训练时使用标准的损失函数，如置信度损失、边界框回归损失等，同时可以根据实际需求进行定制和改进。训练过程中，通过不断监控模型的验证集表现，微调超参数，避免过拟合，并利用早停机制提高模型的泛化能力。最终，通过细致的训练和调优，提升模型在目标检测任务中的准确性和稳定性，确保其在煤矿井下运输环境中的应用效果。
12、步骤s6、检测结果后处理通过对每一帧图像中检测到的人员进行识别、筛选和分析，实现对乘坐猴车人员的间隔时间和实际距离的计算。首先，使用目标检测算法标记出符合固定区域和尺寸范围的人员，并持续计算相邻乘坐人员的时间间隔。然后，根据猴车行进速度估算出人员之间的实际距离，并与预设的安全阈值进行比较，若距离小于阈值，系统将触发报警，以确保监测的准确性和安全性。
13、在步骤s1的数据集采集过程中，为确保数据的全面性和适应性，采集了在不同光照条件、姿态变化、距离以及猴车行驶速度下的人员图像和视频数据。采集场景涵盖了多种煤矿隧道环境，采用了多角度、高帧率的摄像头进行同步采集，确保捕捉到高速和低速行驶情况下人员的动态变化。此外，数据集中还特别注意到人员的安全服和安全帽等细节，采集了包含不同人员着装和行为(如站立、行走、坐姿等)的图像。为应对复杂的矿井环境，还使用了高动态范围(hdr)摄像头，捕捉强光、阴影等极端光照条件下的图像，以确保模型能够适应不同光照和环境条件。这些数据的多样性和复杂性为后续模型的训练提供了丰富的支持，提升了模型的鲁棒性和准确性。
14、在步骤s2中，使用双边滤波进行去噪，具体去噪过程如下：
15、
16、其中，i(x)为输出图像像素值，i(xi)为输入图像像素值，wp为归一化系数，σd控制空间距离权重，σr控制像素值差异权重。双边滤波的核心是同时考虑图像的空间距离和像本文档来自技高网...
【技术保护点】
1.一种用于可摘挂猴车人员乘坐距离不足检测方法，其特征在于，具体步骤如下：
2.根据权利要求1所述的一种用于可摘挂猴车人员乘坐距离不足检测方法，其特征在于，在步骤S1的数据集采集过程中，采集包含猴车人员和不同安全服及安全帽的人员的图像和视频数据，这些数据包括了各种光照条件下、不同姿态和不同距离的人员图像，采集过程涵盖了不同的煤矿隧道、不同的监控角度以及各类行进速度的猴车场景。
3.根据权利要求2所述的一种用于可摘挂猴车人员乘坐距离不足检测方法，其特征在于，在步骤S2中，使用双边滤波进行去噪，具体去噪过程如下：
4.根据权利要求3所述的一种用于可摘挂猴车人员乘坐距离不足检测方法，其特征在于，在步骤S4中，针对目标框和预测框的匹配，采用OTA算法将目标框和预测框之间的距离转换为概率分布，并利用Wasserstein距离进行匹配，具体过程通过以下公式描述：
5.根据权利要求4所述的一种用于可摘挂猴车人员乘坐距离不足检测方法，其特征在于，在步骤S6中，包括以下几个步骤：
【技术特征摘要】
1.一种用于可摘挂猴车人员乘坐距离不足检测方法，其特征在于，具体步骤如下：
2.根据权利要求1所述的一种用于可摘挂猴车人员乘坐距离不足检测方法，其特征在于，在步骤s1的数据集采集过程中，采集包含猴车人员和不同安全服及安全帽的人员的图像和视频数据，这些数据包括了各种光照条件下、不同姿态和不同距离的人员图像，采集过程涵盖了不同的煤矿隧道、不同的监控角度以及各类行进速度的猴车场景。
3.根据权利要求2所述的一种用于可摘挂猴车人员乘坐距离不足...
【专利技术属性】
技术研发人员：卢宏铭，高佳锋，贾颜兴，袁少博，赵文静，胡向荣，穆啸天，刘江，郭文前，
申请(专利权)人：山西阳光三极科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。