期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
地下矿无人驾驶电机车运输关键技术方案研究
被引量：
26
1
作者
张毅力
汪令辉
黄寿元
《金属矿山》
CAS
北大核心
2013年第5期117-120,共4页
以冬瓜山铜矿为背景,分析了无人驾驶电机车技术的关键问题,提出了技术方案,主要包括智能电机车技术方案、通讯技术方案、调度系统方案以及装载站控制技术方案。地下矿用无人驾驶电机车运输已经在冬瓜山铜矿-875 m运输中段试验成功,验证...
以冬瓜山铜矿为背景,分析了无人驾驶电机车技术的关键问题,提出了技术方案,主要包括智能电机车技术方案、通讯技术方案、调度系统方案以及装载站控制技术方案。地下矿用无人驾驶电机车运输已经在冬瓜山铜矿-875 m运输中段试验成功,验证了该技术方案实用可行,效果良好。
展开更多
关键词
地下铜矿
地下运输
无人驾驶电机车
技术方案
在线阅读
下载PDF
职称材料
煤矿井下无人驾驶轨道电机车障碍物识别
被引量：
8
2
作者
杨豚
郭永存
+1 位作者
王爽
马鑫
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2024年第1期29-39,共11页
针对现有煤矿井下无人驾驶轨道电机车因巷道环境恶劣导致障碍物识别精度低的问题,提出用于无人驾驶电机车障碍物精准实时检测的PDM-YOLO模型.基于YOLOv5,将模型C3模块中的传统卷积替换为部分卷积,构建C3_P特征提取模块,有效减少模型的...
针对现有煤矿井下无人驾驶轨道电机车因巷道环境恶劣导致障碍物识别精度低的问题,提出用于无人驾驶电机车障碍物精准实时检测的PDM-YOLO模型.基于YOLOv5,将模型C3模块中的传统卷积替换为部分卷积,构建C3_P特征提取模块,有效减少模型的浮点运算量(FLOPs)与计算延迟.采用改进后的解耦头,对传统YOLOv5的预测头进行解耦,提高模型的收敛速度及对障碍物的识别精度.优化Mosaic数据增强方法,丰富训练图像的特征信息,提高模型的普适性和鲁棒性.实验结果表明,PDM-YOLO模型在自制数据集上的平均检测精度(mAP)达到96.3%,平均检测速度达到109.2帧/s,PDM-YOLO模型在PASCAL VOC公共数据集上的检测精度高于现有主流的YOLO系列模型.
展开更多
关键词
无人驾驶电机车
YOLO
障碍物识别
部分卷积
解耦头
Mosaic数据增强
在线阅读
下载PDF
职称材料
基于计算机视觉技术的矿井电机车无人驾驶障碍物检测技术
被引量：
19
3
作者
王京华
王李管
毕林
《黄金科学技术》
CSCD
2021年第1期136-146,共11页
针对传统计算机视觉方法难以实现障碍物实时检测和定位的问题,提出传统计算机视觉技术与深度学习目标检测算法YOLOv3相结合的障碍物智能检测方法。首先,采集电机车行驶区域(即有效检测区域)存在的障碍物数据并制作VOC格式数据集,使用YOL...
针对传统计算机视觉方法难以实现障碍物实时检测和定位的问题,提出传统计算机视觉技术与深度学习目标检测算法YOLOv3相结合的障碍物智能检测方法。首先,采集电机车行驶区域(即有效检测区域)存在的障碍物数据并制作VOC格式数据集,使用YOLOv3训练数据集,得到障碍物检测模型;然后,采用传统计算机视觉技术定位到轨道,使用"3邻域"搜索法获得轨道线坐标值,根据距离信息向轨道外侧扩展一定距离,提取有效检测区域,同时网格化图片,将障碍物的坐标换算为实际距离;最后,使用障碍物检测模型对有效检测区域进行检测。试验结果表明:该方法可以识别行驶区域内多种特征差异很大的目标物体,如电机车、人和大块落石等;该方法每秒可以处理6帧图片,现场采集的实际数据测试平均精确率达到93.2%。
展开更多
关键词
地下矿
无人驾驶电机车
障碍物智能检测
计算机视觉
YOLOv3
有效检测区域
在线阅读
下载PDF
职称材料
题名
地下矿无人驾驶电机车运输关键技术方案研究
被引量：
26
1
作者
张毅力
汪令辉
黄寿元
机构
铜陵有色金属集团控股有限公司
铜陵有色金属集团股份有限公司冬瓜山铜矿
中国恩菲工程技术有限公司
出处
《金属矿山》
CAS
北大核心
2013年第5期117-120,共4页
文摘
以冬瓜山铜矿为背景,分析了无人驾驶电机车技术的关键问题,提出了技术方案,主要包括智能电机车技术方案、通讯技术方案、调度系统方案以及装载站控制技术方案。地下矿用无人驾驶电机车运输已经在冬瓜山铜矿-875 m运输中段试验成功,验证了该技术方案实用可行,效果良好。
关键词
地下铜矿
地下运输
无人驾驶电机车
技术方案
Keywords
Underground copper mine, Underground transportation, Unmanned electrical Locomotive, Technical scheme
分类号
TD524.3 [矿业工程—矿山机电]
在线阅读
下载PDF
职称材料
题名
煤矿井下无人驾驶轨道电机车障碍物识别
被引量：
8
2
作者
杨豚
郭永存
王爽
马鑫
机构
安徽理工大学深部煤矿采动响应与灾害防控国家重点实验室
安徽理工大学矿山智能装备与技术安徽省重点实验室
安徽理工大学机械工程学院
出处
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2024年第1期29-39,共11页
基金
安徽省高校杰出青年科研资助项目(2022AH020056)
国家自然科学基金资助项目(52274152)
中国科协青年托举人才工程资助项目(YESS20220337)。
文摘
针对现有煤矿井下无人驾驶轨道电机车因巷道环境恶劣导致障碍物识别精度低的问题,提出用于无人驾驶电机车障碍物精准实时检测的PDM-YOLO模型.基于YOLOv5,将模型C3模块中的传统卷积替换为部分卷积,构建C3_P特征提取模块,有效减少模型的浮点运算量(FLOPs)与计算延迟.采用改进后的解耦头,对传统YOLOv5的预测头进行解耦,提高模型的收敛速度及对障碍物的识别精度.优化Mosaic数据增强方法,丰富训练图像的特征信息,提高模型的普适性和鲁棒性.实验结果表明,PDM-YOLO模型在自制数据集上的平均检测精度(mAP)达到96.3%,平均检测速度达到109.2帧/s,PDM-YOLO模型在PASCAL VOC公共数据集上的检测精度高于现有主流的YOLO系列模型.
关键词
无人驾驶电机车
YOLO
障碍物识别
部分卷积
解耦头
Mosaic数据增强
Keywords
unmanned electric locomotive
YOLO
obstacle recognition
partial convolution
decoupled head
Mosaic data augmentation
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于计算机视觉技术的矿井电机车无人驾驶障碍物检测技术
被引量：
19
3
作者
王京华
王李管
毕林
机构
中南大学资源与安全工程学院
出处
《黄金科学技术》
CSCD
2021年第1期136-146,共11页
基金
国家重点研发计划项目“深部集约化开采生产过程智能管控技术”(编号:2017YFC0602905)资助。
文摘
针对传统计算机视觉方法难以实现障碍物实时检测和定位的问题,提出传统计算机视觉技术与深度学习目标检测算法YOLOv3相结合的障碍物智能检测方法。首先,采集电机车行驶区域(即有效检测区域)存在的障碍物数据并制作VOC格式数据集,使用YOLOv3训练数据集,得到障碍物检测模型;然后,采用传统计算机视觉技术定位到轨道,使用"3邻域"搜索法获得轨道线坐标值,根据距离信息向轨道外侧扩展一定距离,提取有效检测区域,同时网格化图片,将障碍物的坐标换算为实际距离;最后,使用障碍物检测模型对有效检测区域进行检测。试验结果表明:该方法可以识别行驶区域内多种特征差异很大的目标物体,如电机车、人和大块落石等;该方法每秒可以处理6帧图片,现场采集的实际数据测试平均精确率达到93.2%。
关键词
地下矿
无人驾驶电机车
障碍物智能检测
计算机视觉
YOLOv3
有效检测区域
Keywords
underground mine
driverless electric locomotive
intelligent obstacle detection
computer vision
YOLOv3
effective detection area
分类号
TD524 [矿业工程—矿山机电]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
地下矿无人驾驶电机车运输关键技术方案研究
张毅力
汪令辉
黄寿元
《金属矿山》
CAS
北大核心
2013
26
在线阅读
下载PDF
职称材料
2
煤矿井下无人驾驶轨道电机车障碍物识别
杨豚
郭永存
王爽
马鑫
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2024
8
在线阅读
下载PDF
职称材料
3
基于计算机视觉技术的矿井电机车无人驾驶障碍物检测技术
王京华
王李管
毕林
《黄金科学技术》
CSCD
2021
19
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
