(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 202210630228.3
(22)申请日 2022.06.06
(71)申请人 安徽理工大学
地址 232001 安徽省淮南市田家庵区泰丰
大街168号
(72)发明人 郭永存 杨豚 童佳乐 王文善
何磊
(74)专利代理机构 合肥和瑞知识产权代理事务
所(普通合伙) 34118
专利代理师 柯凯敏
(51)Int.Cl.
G06V 20/58(2022.01)
G06V 10/764(2022.01)
G06V 10/774(2022.01)
G06V 10/82(2022.01)
G06N 3/04(2006.01)G06N 3/08(2006.01)
(54)发明名称一种基于Tiny-Yolov4的无人驾驶电机车障碍物检测方法及电子设备(57)摘要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。权利要求书2页 说明书5页 附图2页CN 115116028 A 2022.09.27
C N 115116028
A
1.一种基于Tiny‑Yolov4的无人驾驶电机车障碍物检测方法，其特征在于，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。
2.根据权利要求1所述的一种基于Tiny‑Yolov4的无人驾驶电机车障碍物检测方法，其特征在于，所述步
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。
3.根据权利要求2所述的一种基于Tiny‑Yolov4的无人驾驶电机车障碍物检测方法，其特征在于，所述步骤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，e为纳皮尔常数。
4.根据权利要求3所述的一种基于Tiny‑Yolov4的无人驾驶电机车障碍物检测方法，其特征在于，所述步骤S3是将Tiny‑Yolov4头部Head设置为三尺度预测。
5.根据权利要求1‑4中任一项所述的一种基于Tiny‑Yolov4的无人驾驶电机车障碍物检测方法，其特征在于，所述步骤S4具体如下：所述将步骤S1得到的训练集导入至步骤S3得到的改进Tiny‑Yolov4模型，对改进Tiny‑Yolov4模型进行训练；然后通过步骤S1得到的验证集进行验证，以及通过步骤S1得到的测试集对改进Tiny‑Yolov4模型的鲁棒性进行测试，根据验证和测试结果将训练后改进Tiny‑Yolov4模型的配置参数调节为最优配置参数。
6.根据权利要求5所述的一种基于Tiny‑Yolov4的无人驾驶电机车障碍物检测方法，其特征在于，所述步骤S5的过程如下：在人工智能开发板装置上配置检测模型的代码运行环境，安装相关依赖包，完成环境配置；然后将泛化最强的检测模块迁移至人工智能开发板装置，并测试检测模型在人工智能开发板装置上的执行效果，完成模型部署，从外接摄像头中获取障碍物图像数据，以帧为单位将图像传入模型中，对图片进行降分辨率处理，以提高运行速度，将模型输出结果显示在外接屏幕上，完成对障碍物分类的检测。
7.根据权利要求1所述的一种基于Tiny‑Yolov4的无人驾驶电机车障碍物检测方法，其特征在于，改进后的Tiny‑Yolov4模型中的CBL模块由卷积层Conv、批标准化层BN和Leaky Relu激活函数组成；CBM模块由卷积层Conv、批标准化层BN和Mish激活函数组成。
8.一种电子设备，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器依次连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1‑3任一项
所述的方法。
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
技术领域
[0001]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
[0002]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。 [0003]煤矿井下轨道电机车在煤矿辅助运输中扮演着重要角，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
[0004]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。
[0005]为实现上述目的，本发明提供如下技术方案：
[0006]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：[0007]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；
[0008]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；[0009]S3、增加Tiny‑Yolov4头部Head的预测尺度，得到改进后的Tiny‑Yolov4模型；[0010]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；
[0011]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。
[0012]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。
[0013]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：
[0014]ζ(x)＝SoftPlus(x)＝ln(1+e x)
[0015]其中x为输入数据。
[0016]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)。
[0017]作为本发明再进一步的方案：步骤S4具体如下：将步骤S1得到的训练集导入至步骤S3得到的改进Tiny‑Yolov4模型，对改进Tiny‑Yolov4模型进行训练；然后通过步骤S1得到的验证集进行验证，以及通过步骤S1得到的测试集对改进Tiny‑Yolov4模型的鲁棒性进行测试，根据验证和测试结果将训练后改进Tiny‑Yolov4模型的配置参数调节为最优配置参数。
[0018]作为本发明再进一步的方案：步骤S5的过程如下：在人工智能开发板装置上配置检测模型的代码运行环境，安装相关依赖包，完成环境配置；然后将泛化最强的检测模块迁移至人工智能开发板装置，并测试检测模型在人工智能开发板装置上的执行效果，完成模型部署，从外接摄像头中获取障碍物图像数据，以帧为单位将图像传入模型中，对图片进行降分辨率处理，以提高运行速度，将模型输出结果显示在外接屏幕上，完成对障碍物分类的检测。
[0019]作为本发明再进一步的方案：改进后的Tiny‑Yolov4模型中的CBL模块由卷积层Conv、批标准化层BN和Leaky Relu激活函数组成；CBM模块由卷积层Conv、批标准化层BN和Mish激活函数组成。
[0020]优选的，一种电子设备，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器依次连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行所述的方法。[0021]与现有技术相比，本发明的有益效果是：
[0022]1、本发明对Tiny‑Yolov4进行了改进，能够准确的识别煤矿运输巷道中的障碍物，并快速的对齐进行分类，提高了检测目标的识别精度。
[0023]2、本发明增加Tiny‑Yolov4头部Head的预测尺度，可以提高算法对小目标的检测能力。
附图说明
[0024]图1为改进后的Tiny‑Yolov4网络模型结构。
[0025]图2为改进后算法的训练平均损失。
[0026]图3为本发明的电子设备框架示意图。
[0027]本发明各标号与部件名称的实际对应关系如下：
[0028]10‑电子设备
[0029]11‑处理器 12‑存储器 13‑输入装置 14‑输出装置
具体实施方式
[0030]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议