[发明专利]基于改进YoloV5神经网络的矿下机器人检测系统

说明书

本发明属于矿下应用技术领域，尤其涉及一种基于改进YoloV5神经网络的矿下机器人检测系统。与现有技术相比，本发明的优点和积极效果在于，本发明提供一种基于改进YoloV5神经网络的矿下机器人检测系统，通过对机器人进行拍照以及图片处理，利用改进YoloV5神经网络，实现多特征点的匹配，进而使机器人检测速度、响应速度以及准确率得到大幅度的提高，进而为矿下机器人的使用安全提供了可靠保证。

技术领域

本发明属于矿下应用技术领域，尤其涉及一种基于改进YoloV5神经网络的矿下机器人检测系统。

背景技术

多年以来，我国一直保持着世界第一大煤炭生产国和世界第一大煤炭消费国的地位。煤矿由于灾害重、风险大，生产过程中下井人员多、危险岗位多，事故时有发生。这不仅让人们时常为煤矿从业者的安全“提心吊胆”，更成为影响社会整体公共安全和稳定的短板。面对煤矿灾害重、风险大、下井人员多、危险岗位多等情况，我国也在积极研发应用煤矿机器人，来相应减少井下作业人数、降低安全风险、提高生产效率、减轻矿工劳动强度。

目前，我国已经开发了针对矿下施工的各类机器人，比如，掘进类的有掘进机器人、全断面立井盾构机器人、临时支护机器人、钻锚机器人、喷浆机器人等机器人；采煤类的有采煤机机器人、超前支护机器人、充填支护机器人、露天矿穿孔爆破机器人；运输类的有运输类的有搬运机器人、破碎机器人、车场推车机器人、巷道清理机器人、煤仓清理机器人、水仓清理机器人、选矸机器人、巷道冲尘机器人等机器人，当然，还有其他种类的机器人。

由于矿下机器人的工作性质以及工作环境的问题，需要对机器人本身以及动作是否安全进行检测，目前主要检测的方式有无线电检测、光电检测以及声波检测，上述三种检测方法虽然能够实现有效检测，但其存在检测精度低或响应速度慢的问题。

发明内容

本发明针对上述的传统矿下机器人检测所存在的技术问题，提出一种方案简单、操作方便且检测精度高和响应速度快的基于改进YoloV5神经网络的矿下机器人检测系统。

为了达到上述目的，本发明采用的技术方案为，本发明提供一种基于改进YoloV5神经网络的矿下机器人检测系统，包括以下步骤：

a、首先利用相机对需要检测的机器人进行多角度拍照，获取机器人在正常状态下的照片；

b、然后对机器人工作时进行多角度拍照；

c、然后，将b步骤获取的图片采用数据扩增的方法增加图片数量；

d、接着对c步骤获得所有的图片以机器人最小外接矩形的方式进行标注，标注完成后，将得到的图片复制3份，得到该机器人的数据集；

e、将数据集的图片统一归化尺寸大小一致的图片；

f、将归化后的图片输入到改进后的YOLOv5网络中与a步骤获取的照片进行匹配，判断机器人是否存在安全隐患或是否正常工作；

其中，所述f步骤中，改进后的YOLOv5网络包括带有Focus网络结构的BottleneckCSP主干网络、改进的SPP结构以及改进的样本匹配方法，其中，Focus网络结构的操作方法为：在一张图片中每隔一个像素拿到一个值；改进的SPP结构；所述改进的SPP结构的操作方法为：对于每个区域，通过三种划分方式进行池化：直接对整个整个区域池化、将区域划分成2×2的格子后对每个格子进行池化以及将区域划分成4×4的格子后对每个格子进行池化，然后将三种池化方法得到的向量进行拼接，得到该机器人的特征；所述改进的样本匹配方法为在训练时每个特征由多个a步骤获取的正常状态下的照片来进行验证。

作为优选，所述a步骤中，多角度拍照包括机器人正常静止状态下多角度拍摄以及机器人正常动作状态下多角度拍摄。

作为优选，所述a步骤中，多角度拍摄包括机器人外部相机拍摄以及机器人上设置的摄像头拍摄。