基于PCSF-RTDETR的露天矿山轻量级小目标检测方法

王鹏浩; 谢丽蓉; 卞一帆; 安毅; 杨志勇; 黄德启

doi:10.12404/j.issn.1671-1815.2503631

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (13) :5604-5615 DOI: 10.12404/j.issn.1671-1815.2503631

自动化技术、计算机技术

基于PCSF-RTDETR的露天矿山轻量级小目标检测方法

王鹏浩 ¹ ,
谢丽蓉 ¹^,^* ,
卞一帆 ¹ ,
安毅 ² ,
杨志勇 ³ ,
黄德启 ¹

作者信息 +

PCSF-RTDETR: A Lightweight Small Target Detection Algorithm for Open-pit Mines

Author information +

文章历史 +

摘要

露天矿山智能化进程中,无人驾驶矿卡的小目标检测面临复杂地表工况和极端多尺度分布带来的技术挑战。基于RT-DETR提出了改进的PCSF-RTDETR露天矿山轻量化小目标检测算法。首先,将轻量化PConv-Block模块整合到主干特征提取网络,在有效捕获小目标特征的同时,显著降低模型计算复杂度。其次,在尺度内特征交互模块中引入级联分组注意力机制,通过协同优化特征聚焦与噪声抑制过程。进一步,结合动态上采样器、多尺度特征融合和Slimneck结构,提出Slimneck-DSF跨尺度特征融合框架,在提升多尺度目标适应能力的同时,降低网络计算负载。最后,采用Focaler-GIoU损失函数,引入动态聚焦机制,通过差异化调整不同难度样本的权重分配,显著提升小目标检测精度。实验结果表明:PCSF-RTDETR相较RT-DETR模型,参数量、浮点运算量分别降低31.5%和23.4%,检测精度与速度分别提升4.7%和8.2%,此外mAP50指标达到92.5%,充分验证了基于PCSF-RTDETR的露天矿山轻量级小目标检测方法的有效性。

Abstract

In the intelligentization process of open-pit mines, small target detection for unmanned mining trucks is confronted with technical challenges caused by complex surface conditions and extreme multi-scale target distributions. An enhanced lightweight small target detection algorithm, PCSF-RTDETR, was proposed based on the RT-DETR frame work, with specific optimization for open-pit mining environments. Firstly, the lightweight PConv-Block module was integrated into the backbone feature extraction network, which enables effective capture of small target characteristics while significantly reducing computational complexity. Secondly, a cascaded group attention mechanism was introduced into the intra-scale feature interaction module, through which the processes of feature focusing and noise suppression were collaboratively optimized. Furthermore, through the integration of a dynamic upsampler, multi-scale feature fusion, and the Slimneck architecture, the Slimneck-DSF cross-scale feature fusion framework was proposed. The adaptability was enhanced to multi-scale targets while reducing the computational load of the network. Finally, the Focaler-GIoU loss function was adopted, which incorporates a dynamic focusing mechanism. This mechanism differentially adjusts the weight allocation for samples with varying difficulty levels, thereby significantly improving the accuracy of small target detection. Experimental results demonstrate that, compared with the baseline RT-DETR model, PCSF-RTDETR achieves a 31.5% reduction in parameter count and a 23.4% reduction in FLOPs, along with a 4.7% improvement in detection accuracy and an 8.2% improvement in detection speed. Notably, the mAP50 metric reaches 92.5%, which conclusively validates the effectiveness of the proposed PCSF-RTDETR-based lightweight small target detection method for open-pit mining scenarios.

Graphical abstract

关键词

无人矿卡 / 目标检测 / RT-DETR / 轻量化 / 级联分组注意力

Key words

unmanned mining trucks / target detection / RT-DETR / Lightweight / cascaded group attention

引用本文

引用格式 ▾

王鹏浩, 谢丽蓉, 卞一帆, 安毅, 杨志勇, 黄德启. 基于PCSF-RTDETR的露天矿山轻量级小目标检测方法[J]. 科学技术与工程, 2026, 26(13): 5604-5615 DOI:10.12404/j.issn.1671-1815.2503631

WANG Peng-hao, XIE Li-rong, BIAN Yi-fan, AN Yi, YANG Zhi-yong, HUANG De-qi. PCSF-RTDETR: A Lightweight Small Target Detection Algorithm for Open-pit Mines[J]. Science Technology and Engineering, 2026, 26(13): 5604-5615 DOI:10.12404/j.issn.1671-1815.2503631

登录浏览全文

4963

注册一个新账户忘记密码

随着计算硬件性能的提升与理论体系的完善,卷积神经网络在计算机视觉领域取得了突破性进展,其典型代表模型如Faster R-CNN^[1]、Mask R-CNN^[2]、SSD^[3]及YOLO^[4]系列,已成为目标检测任务的主流解决方案。2020年,Facebook AI 团队提出的DETR(detection transformer)模型^[5]首次实现了端到端目标检测,通过直接预测目标数量与位置,摒弃了传统锚框机制与非极大值抑制算法,在目标检测领域取得突破性进展。Zhao等^[6]进一步提出实时端到端目标检测模型RT-DETR,通过尺度内交互与跨尺度融合机制优化多尺度特征处理,在速度与精度上超越了同量级的YOLO检测器。尽管基于Transformer的端到端检测模型展现出独特优势,但露天矿山特有的多源背景干扰和目标尺度的差异,导致模型泛化能力显著衰减。

露天矿山图像中显著的目标尺度差异易引发目标视觉特征的变化,主要表现为纹理结构、几何形态及边缘信息的异质性^[7]。传统方法往往难以在全局尺度上有效捕获目标特征^[8-9],其根本局限源于对固定尺度的依赖性,导致特征提取器难以动态适应目标尺度变化。基于卷积神经网络的深度学习方法虽能提升特征表征能力,但传统主干网络的高计算复杂度对矿山边缘计算设备的性能要求十分严苛。Pan等^[10]通过双卷积整合策略降低计算复杂度,但导致特征信息传递不连贯进而影响检测精度。Wang等^[11]采用可变形卷积技术通过自适应偏移量学习增强特征表征,虽提升了信息完备性却显著增加计算复杂度,难以满足嵌入式部署需求。

露天矿山场景中的多尺度特征融合技术是提升目标检测性能的关键所在。不同层级特征在空间分辨率、语义表达维度及信息表征方式上存在固有差异,这种跨尺度的异质性使得常规线性融合方法难以实现特征信息的协同增效^[12]。首先,高阶特征的尺度内交互机制存在注意力头冗余问题,同质化的特征处理方式不仅造成计算资源浪费,更难以有效抑制复杂背景噪声。其次,传统融合架构在跨尺度信息传递过程中易产生模型冗余与细节特征衰减。Zhang等^[13]构建的Transformer-ResNet双流架构虽通过异构特征互补提升了弱特征目标检测能力,但其复杂的计算负载难以匹配无人矿卡平台的嵌入式部署需求。针对低纹理特征与有限分辨率问题,Chen等^[14]提出的MFFNet虽通过轻量化设计优化了低纹理目标识别,但在小目标与遮挡目标的特征判别精度上仍存在局限。

在露天矿山这类多尺度目标共存场景中,目标检测中的定位与尺度回归任务面临着目标尺度异构性带来的本质性挑战。传统回归算法受限于尺度敏感度不足,导致预测边界框的几何参数与实际目标空间分布产生偏差^[15-16]。不同尺度目标在特征空间中形成的异构性特征分布,不仅造成回归器对关键几何特征的捕捉失准,更会引发分类器在跨尺度判别时的特征混淆现象。

针对以上问题,现提出一种面向露天矿山的轻量级小目标检测方法PCSF-RTDETR。首先,将融合部分卷积(partial convolution,PConv)的轻量化残差块PConv-Block整合到特征提取网络,充分利用特征空间中的冗余特性。其次,融合级联分组注意力机制(cascaded group attention,CGA)与尺度内特征交互模块(attention-based intra-scale feature interaction,AIFI),实现特征聚焦与噪声抑制的协同优化。接着,结合动态上采样器(dynamic sample,DySample)、多尺度特征融合(scale sequence feature fusion,SSFF)和Slimneck结构,提出新型Simneck-DSF融合架构,该设计通过动态采样策略与通道优化机制,高效利用上下文信息捕捉关键特征,在降低计算复杂度的同时,有效克服大尺度差异、背景干扰与细节丢失等难题,显著增强模型的多尺度特征表征能力。最后,引入Focaler-GIoU,通过动态调整难易样本权重与强化边界框边缘回归精度,使模型训练过程突破传统均衡优化的局限,以期实现检测精度在复杂多尺度场景下的提升,显著降低计算复杂度,减少模型对设备性能的要求。

1 无人矿卡目标检测算法改进策略

露天矿山环境具有典型的非结构化特征,其动态场景复杂度高,包含多尺度目标分布与多样化目标特征,且目标材质、纹理及几何形状差异显著,增加了目标识别的复杂度。针对露天矿山无人矿卡环境感知任务面临的嵌入式部署困难,以及小目标、遮挡目标检测精度不足的问题,提出基于RT-DETR的轻量化小目标检测模型PCSF-RTDETR。该模型在保持高速推理的同时,通过多维度优化策略提升复杂环境下的检测性能,其整体架构如图1所示。

1.1 特征提取网络轻量化

为规避复杂模型在简单任务中产生的计算冗余问题,采用轻量级ResNet-18^[17]作为主干网络基准架构。将基本残差块(basic-block)中的常规卷积替换为PConv,如图2所示,通过选择性作用于输入通道的特定子集并保留其余通道,以在增强特征提取能力的同时实现更高的模型轻量化,相较于标准卷积可显著降低浮点运算量。

PConv通过对输入通道的特定子集执行常规卷积运算以提取空间特征,同时保持其余通道的原始状态不变^[18]。为实现高效内存访问,该操作选取输入特征图前/后连续的c_p个通道进行计算,以此表征整体特征图的计算需求。为确保方法一致性,设定输入与输出特征图的通道数保持相同。因此,该方法的浮点运算量显著下降,具体计算过程如式(1)所示。

(1)h×w×k²×${\mathit{c}}_{\mathit{p}}^{2}$

通常设定压缩比r=c_p/c=1/4时,浮点运算量仅为常规卷积的1/16。此外,如式(2)所示,PConv在内存访问量上也显著降低。

(2)h×w×2c_p+k²×${\mathit{c}}_{\mathit{p}}^{2}$≈h×w×2c_p

PConv的内存访问量仅为常规卷积的1/4,这是由于剩余的c-c_p个通道不参与计算,因而无需进行内存访问操作。将PConv引入特征提取网络可显著降低计算与内存需求,进而精简主干网络结构并提升模型推理速度。

1.2 融合级联分组注意力机制

针对高分辨率露天矿山实时检测中全局注意力机制的计算冗余与特征均质化问题,提出基于CGA的渐进式特征优化框架。传统尺度内特征交互依赖多头自注意力实现全局感知^[19],但其全图均质化计算模式易引发特征权重失焦与复杂度非线性增长。创新性地将CGA机制专用于高阶特征处理,通过聚焦关键特征并滤除背景噪声^[20],在显著降低计算成本的同时优化特征表征,其架构如图3所示。

该模块将输入图像划分为若干组,每组包含具有不同语义信息的相邻像素。输入特征序列首先通过线性映射分别生成查询(queries, Q)、键(keys, K)和值(values, V),并在每组内独立计算注意力权重。随后,利用组内的Q、K、V计算组内注意力输出,并对各组的输出进行加权求和,再经过一次线性变换,得到最终的特征表示。这种渐进式的聚焦机制实现了多层级的特征细化,显著增强了模型对特征的感知与表征能力。计算表达式如式(3)、式(4)所示。

(3)Q=K=V=FlCGatten(p₅)

(4)F₅=Reshape[CGAtten(Q,K,V)]

式中:CGAtten(·)为级联分组注意力模块;Reshape(·)操作用于将特征恢复至与p₅层匹配的维度,该步骤是FlCGatten的逆操作。

1.3 改进跨尺度特征融合网络

针对传统混合编码器在露天矿山复杂场景中存在的模型冗余与细节丢失的双重挑战,构建了基于动态特征保持的混合编码器架构。在特征处理流程设计中,高层次语义特征首先通过AIFI实现特征增强,继而采用跨尺度特征融合模块完成多层级信息整合。原模型在卷积与上采样过程中存在小目标信息微量丢失现象,因此引入DySample、SSFF模块和Slimneck结构,提出新型Slimneck-DSF特征融合模块,旨在实现模型轻量化提升的同时优化小目标检测精度。

如图4所示,DySample是一种轻量且高效的动态上采样器,通过高效利用上下文信息捕捉关键特征,从而优化模型表征能力,使输出图像具有更丰富的特征细节与更高分辨率^[21]。

此外,相较于其他上采样方法,DySample显著减少了计算资源消耗。该模块将输入特征图通过采样点生成器获取采样点集合,网格采样算子基于该集合中的采样位置对输入特征图进行重采样,最终生成新的特征图。计算过程描述为

(5)F'=grid_sample(F,S)

式(5)中:F为输入特征图;S为由采样点生成器生成的采样集合。网格采样算子(grid_sample)利用采样集合S中的位置信息对输入特征图F进行重采样,生成蕴含精细化信息的新特征图F'。

Slimneck结构通过GSConv(ghost shuffle convolution)和VoVGSCSP(GSConv spatial cross stage partial)模块构建高效颈部网络。GSConv通过融合标准卷积Conv与深度可分离卷积(depthwise separable convolution,DWConv)形成双路径架构,如图5所示。GSConv在保持表征能力的同时降低计算复杂度。基于此构建的GSbottleneck结构引入GSConv与DWConv协同工作机制^[22],实现多层次特征的高效整合。进而拓展形成的VoVGSCSP模块采用单次跨层聚合策略,在保证信息完整性的前提下,显著降低参数量与浮点运算量。

针对露天矿山多尺度目标检测需求,采用SSFF模块^[23]强化网络特征捕获能力,如图6所示。该模块将多尺寸特征图构建为尺度空间,首先统一调整不同分辨率特征图并进行拼接,通过水平堆叠与三维卷积提取尺度序列特征。相较于传统金字塔特征简单融合方法,SSFF模块能深度融合深层语义信息与浅层细节表征,提供多维度目标的精细化特征,显著提升网络多尺度特征捕获性能。

1.4 引入Focaler-GIoU损失函数

目标检测中的回归模型通过预测边界框的位置与尺寸实现目标定位,然而目标尺度差异对模型性能形成显著挑战。小尺度目标因特征信息匮乏导致边界框预测精度不足,大尺度目标则易受背景噪声干扰产生定位偏差。本文研究引入的Focaler-GIoU损失函数在精确量化边界框相似度的基础上,创新性地引入动态聚焦机制,通过差异化调整不同难度样本的权重分配,有效缓解了目标尺度敏感性问题。Focaler-GIoU损失函数融合了Focaler-IoU与GIoU损失^[24]的核心思想,其数学表达式定义如下。

(6)$\text { IoU }^{\text {focaler }}=\left\{\begin{array}{ll} 0, & \mathrm{IoU}<d \\ \frac{\operatorname{IoU}-d}{u-d}, & d \leqslant \mathrm{IoU} \leqslant u \\ 1, & \mathrm{IoU}>u \end{array}\right.$

(7)GIoU=IoU-$\frac{\left|\mathit{C}-\mathit{B}\bigcap {\mathit{B}}^{\mathit{g}\mathit{t}}\right|}{\left|\mathit{C}\right|}$

式中:IoU_focaler为重构后的Focaler-IoU值;IoU为原始交并比,参数d和u的取值范围介于0~1,通过调节这两个参数,可动态控制IoU_focaler对不同质量样本的关注强度;B与B^gt分别为预测框(predicted box)和真实标注框(ground truth box)。其损失函数L定义如下。

(8)L_Focaler-GIoU=L_GIoU+IoU-IoU^Focaler

GIoU损失通过引入最小外接矩形计算策略,克服了传统IoU指标对非重叠边界框无法有效度量的缺陷。结合Focaler-GIoU的动态聚焦机制后,模型训练过程中自动强化对低GIoU值困难样本的梯度回传强度,有效解决了露天矿山场景中因目标尺度悬殊导致的检测偏倚问题。

2 实验结果与分析

2.1 数据集制作

实验数据来源中科慧拓于2022年开源公布的Automine数据集^[25],该融合数据集包含4 771张高分辨率图像,覆盖矿山生产场景中典型的多工况条件、多气象模式及多时段光照特征。针对矿山机械的特殊属性,数据集精细标注12类关键目标,包括:民用车辆、矿用卡车、工程履带设备、推土机、洒水车、作业人员、牵引车组、矿石拖车、巴士、宽体矿卡以及挖掘机的顶部动力单元与底部行走机构。数据划分采用7∶2∶1比例配置,形成训练集、测试集和验证集。图7展示了具有矿山场景特异性的典型样本,突显了复杂地质环境下的粉尘干扰及光照突变等挑战性特征。

2.2 实验环境及训练参数

网络实验环境基于Ubuntu20.04、Python 3.8.10和Pytorch 2.0.0,相关硬件配置和模型参数如表1所示。batch size设置为16,迭代次数为200 epoch,学习率设置为1×10^-4。选择640×640的自适应图像尺寸进行实验。

2.3 主干网络对比实验

露天矿山环境下基于无人矿卡视觉系统的小目标检测面临严峻技术挑战。在动态作业环境中,系统需在远距离感知范围内,实时检测露天矿区中尺度差异显著的微型目标,例如作业人员和工程车辆,需要同时满足嵌入式平台对算法实时性与检测精度。针对无人矿卡嵌入式系统的算力约束,重点突破基础模型轻量化改造,引入轻量高效的PConv-Block结构,替代传统Basic-Block残差单元。为验证该模块的先进性,开展多维度对比实验,包括与当前主流的轻量化卷积架构进行性能对比,如表2所示。

表2显示,PConv-Block(r=1/4)凭借轻量化设计实现了精度与效率的平衡,其参数量和计算量较基本残差块Basic-Block分别降低29.4%和24.6%,同时mAP50提升0.9%,mAP50:95达到70.9%,表明其在严格检测标准下仍保持优异性能。对比其他改进方案,DualConv和AKConv虽降低了参数量与计算量,但其mAP50均低于PConv-Block,且无法兼顾高精度需求。而DysnakeConv虽精度较高,但其参数量和浮点运算次数(giga floating-point operations per second,GFLOPs)显著增加,导致模型复杂度大幅上升。InceptionDWConv-Block、FADConv-Block与ARConv-Block精度表现出色,但参数量和计算量仍高于PConv-Block (r=1/4)。PConv-Block (r=1/4)以DysnakeConv 50.4%的参数量、70.6%的计算量,实现了接近的mAP50,充分体现其高效性。该设计通过结构优化,在资源受限部署环境中实现模型精度与计算开销的协同优化,为轻量化高性能模型提供了实用解决方案。

2.4 验证CGA的作用

为探究CGA在露天矿山复杂场景中的协同优化机制,基于RT-DETR模型架构,设计多场景对比实验,通过GradCAMPlus技术对注意力机制引入前后的特征激活区域进行可视化映射,对比分析了CGA机制部署前后模型关注域的变化。

实验表明,CGA机制通过多层级特征强化显著提升了模型在复杂背景下的检测鲁棒性。如图8所示,未引入CGA机制的基础模型存在小目标特征响应缺失现象。相比之下,CGA增强模型展现出精准的特征聚焦能力,使遮挡车辆轮廓的激活强度提升,显著改善了目标边缘特征的表达能力,提高了无人矿卡检测目标的准确性。

2.5 验证Slimneck-DSF结构的有效性

如表3消融实验所示,通过对比6种不同模型配置可明确各特征融合网络改进策略对模型性能的具体影响。相较于RT-DETR原始模型,采用Slimneck技术在牺牲少量精度的代价下,显著降低参数量与GFLOPs分别达2.9%和6.5%,表明该策略对提升模型计算效率具有显著作用。引入SSFF使mAP50与mAP50:95分别提升2.6%与2.7%,但同步导致计算复杂度与参数量微量增加。

采用DySample之后,在保持参数量和GFLOPS的基础上使mAP50与mAP50:95分别提升1.0%与1.1%。整合Slimneck、SSFF和DySample策略实现了优化平衡:在将查准率与查全率提升至93.1%与88.7%的同时,mAP50提高1.9%,参数量减少1.3%,达成在保持高性能前提下控制计算资源消耗的优化目标。

2.6 损失函数对比实验

为了确认所提出的Focaler-GIoU损失函数的有效性,对已建立的损失函数GIou、EIoU、CIoU、DIoU进行了比较分析,结果如表4所示。同时,针对Focaler-GIoU损失函数中的参数d和u对检测精度产生的影响,进行了相应的实验验证,具体结果如图9所示。表4中的数据显示,Focaler-GIoU损失函数的模型表现出更高的检测精度。与利用GIoU损失函数的基础模型相比,精度指标提高了6.2%,mAP50提高了1.7%,同时召回率和mAP50:95分别较GIoU提升0.3%和3.7%。这展现出Focaler-GIoU损失函数在边界框回归和目标定位精度上的优势。EIoU和CIoU虽在精度上分别达到92.2%和92.1%,但其召回率和mAP50:95均显著低于Focaler-GIoU,表明其对复杂场景的适应性不足,DIoU和mAP50的精度更是全面落后。这一对比说明,Focaler-GIoU通过动态聚焦难样本的优化策略,在提升检测精度的同时维持了召回率与多尺度检测性能的平衡。

2.7 消融研究

为了验证所提出的改进模块对模型的增强效果,创建了8组消融实验。在RE-DETR网络的基础上,进行了以下修改,将特征提取网络中的Basic-Block替换为轻量级的PConv-Block模块,添加配备CGA注意力机制的内部尺度特征交互模块,以及使用Slimneck、SSFF和DySample优化特征融合网络。此外,损失函数切换为Focaler-GIoU。依次添加各改进模块进行实验,结果如表5所示。消融实验结果表明,搭载轻量化PConv-Block模块的主干网络使mAP50、mAP50:95及FPS分别提升0.9%、1.6%和12.0%,参数量与计算量分别降低29.4%和24.6%,这些改进体现了更高效的特征提取能力、更快的检测速度以及更轻量的模型结构。相较于基础模型,混合编码器中引入AIFI-CGA层促使mAP50提升2.0%、FPS提高16.2%。采用slimneck-DSF架构作为跨尺度特征融合网络,在保证其他指标稳定的前提下,mAP50和mAP50:95分别显著提升1.9%和2.6%,证实该框架能有效增强小目标特征融合的连贯性。引入Focaler-GIoU损失函数后,模型在mAP50、mAP95和FPS上分别实现1.7%、3.7%和7.3%的性能增益。经全改进策略集成后的PCSF-RTDETR模型,其mAP50、mAP95与FPS较基础模型分别提升3.0%、5.6%和8.2%,同时计算量与参数量大幅降低23.4%和31.5%。实验证明,各项改进对PCSF-RTDETR模型性能提升均具有显著贡献。

为更直观地呈现PCSF-RTDETR模型的性能优势,将mAP50和mAP50:95指标上的训练迭代曲线进行可视化对比,如图10、图11所示。通过曲线走势可清晰观察到,在训练周期的各个阶段,改进模型在mAP50与mAP50:95指标上始终优于原始模型,验证了改进策略对露天矿山复杂场景下目标检测的精度提升与检测效能的优化。

2.8 稳定性分析

采用5折交叉验证策略对模型性能进行评估:将Automine数据集划分为5组互不重叠的子集,在每次验证迭代中,选取其中1组作为测试集,剩余4组合并作为训练集,重复执行训练与测试流程,以此验证模型在不同数据子集上的收敛一致性,实验结果如表6所示。数据显示,所提模型在5组验证中的mAP50波动范围仅为0.5%,标准差为0.18%;其mAP50:95在5组验证中分布于73.2%~73.7%,波动范围同样为0.5%,均值达73.5%,标准差为0.20%。上述结果充分表明,该模型具有优异的跨子集收敛一致性与较强的鲁棒性。

2.9 数据规模影响验证

为验证数据量增加时PCSF-RTDETR是否仍能保持性能优势,通过梯度化扩充数据集规模的实验设计,系统量化分析数据量变化对模型性能的影响,进而验证其在不同数据规模下的优势稳定性。

实验以原Automine数据集4 700张为基础,采用真实场景适配的数据增强方法,包括图像翻转、旋转、裁切、对比度及亮度微调等,构建多梯度数据,如图12所示。规模扩充至14 300张,对不同数据规模下模型的核心性能指标进行横向对比,结果如表7所示。

结果表明,随着数据量从4 700张增至14 300张,PCSF-RTDETR的mAP50指标从92.5%稳步提升至93.8%,且在各数据规模下均显著领先于RT-DETR,未出现数据量增加导致的性能优势衰减问题。从推理效率来看,PCSF-RTDETR在各数据规模下的推理速度(FPS)始终稳定在146~147 帧/s,与RT-DETR的速度134~136 帧/s差距持续保持10~12 帧/s,进一步印证其在数据量扩充场景下的性能与效率双重稳定性。

2.10 目标检测算法对比实验

将PCSF-RTDETR与主流目标检测框架进行系统性对比分析,包括Faster-RCNN、SSD、YOLOv3、YOLOv5s、YOLOvXs、YOLOv8n^[26]和RT-DETR系列,详见表8。实验数据显示,PCSF-RTDETR在露天矿山复杂场景下的检测性能领先。相较于Faster-RCNN、SSD、YOLOv3、YOLOv5s、YOLOvXs和YOLOv8n等经典模型,其mAP50指标分别提升34.1%、63.1%、32.0%、20.6%、26.4%与19.2%,充分展现对矿山小型目标的精准捕捉能力。该模型在保持147.3 帧/s高帧率检测速度的同时完成性能突破,完全满足实时检测系统的严苛需求。

在与同源模型的对比中,PCSF-RTDETR展现出持续优化潜力:相较RT-DETR-R34与RT-DETR-R50版本,mAP50分别提升15.6%和1.2%;与原始RT-DETR架构相比,其mAP50与mAP50:95指标分别提高3.0%和5.6%,且F₁分数与推理速度同步增长3.9%和8.2%。这一系列数据不仅验证了网络架构优化的有效性,更揭示了模型在精度与效率动态平衡方面的突破性进展——通过特征提取模块的深度重构与计算路径的精简设计,成功实现复杂场景下多尺度目标检测性能的全面提升。

2.11 可视化分析

在露天矿山复杂作业环境中,目标检测面临地形起伏、光照剧烈变化、矿卡作业高度动态调整以及目标间多重遮挡等多重干扰,图13展示了PCSF-RTDETR与其他RT-DETR系列模型在露天矿山环境下的目标检测效果对比。实验数据表明,PCSF-RTDETR在检测精度上显著超越基础模型。通过对比检测发现,首列图像中对于遮挡目标,PCSF-RTDETR可以达到更高的检测准确性。在第二列中,原始模型未能全面地检测到矿卡,PCSF-RTDETR可显著降低远处小目标的漏检率。在第三列中,PCSF-RTDETR可以准确地识别出所有小型目标。在第四列中,照片过曝RT-DETR仅检测到近处车辆,但PCSF-RTDETR却表现出优于其他模型的检测精度。PCSF-RTDETR在各种复杂环境的小目标上表现出了出色的检测性能,该模型能够从露天矿区的图像数据中精准识别小型目标和堆叠遮挡目标,展现出优异的性能。

3 结论

(1)提出面向露天矿山复杂环境的小目标检测模型PCSF-RTDETR,在露天矿山的环境感知任务中展现出优越性能。该模型通过多维度技术优化实现检测精度与效率的协同提升,在矿山专用测试集上取得mAP50为92.5%的优异表现,检测速度达147.3 帧/s,较现有主流算法在准确率、召回率等核心指标上均有显著提升。

(2)模型引入轻量化PConv-Block模块改进主干特征提取网络,通过选择性通道计算策略降低模型复杂度与计算需求。其次,融合CGA机制与尺度内特征交互模块形成AIFI-CGA模块,集成至混合编码器中以增强模型对小目标的关注度。接着,提出Slimneck-DSF架构作为跨尺度特征融合网络,结合DySample、SSFF和Slimneck架构,增强模型对多尺度目标的适应性,在降低特征损失的同时压缩网络计算量。最后,采用Focaler-IoU损失函数替代原始GIoU损失提升小目标判定精度,提高了模型在矿山复杂场景下的综合检测性能。

(3)为验证PCSF-RTDETR模型性能,开展了系统性实验验证。对比实验表明,相较基础模型,PCSF-RTDETR在检测精度、mAP50及mAP50:95三项指标上分别提升4.7%、3.0%和5.6%,同时参数量与计算复杂度降低31.5%和23.4%,单帧图像检测时间仅需6.8 ms。实验进一步验证了模型在露天矿山复杂场景下检测小型目标的有效性,通过多维度性能评估揭示算法在露天采矿特殊场景下的优势,为矿山智能化运维提供技术支撑。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	Wang S. Effectiveness of traditional augmentation methods for rebar counting using UAV imagery with Faster R-CNN and YOLOv10-based transformer architectures[J]. Scientific Reports, 2025, 15(1): 33702.

[2]	Figueiredo A, Amaral J, Mendes M, et al. Experimental dataset of video and radar detection for cooperative perception in urban environment[J]. Data in Brief, 2025, 63: 112091.

[3]	Wang Y Z, Niu P H, Guo X Y, et al. Single shot multibox detector with deconvolutional region magnification procedure[J]. IEEE Access, 2021, 9: 47767.

[4]	丁丽娜, 袁丽英. 基于YOLOv8改进的密集场景下小目标行人检测方法[J]. 科学技术与工程, 2025, 25(28): 12088-12097.

[5]	Ding Lina, Yuan Liying. Improved pedestrian detection method for small targets in dense scenes based on YOLOv8[J]. Science Technology and Engineering, 2025, 25(28): 12088-12097.

[6]	Chen J, Liu N, Sun H, et al. Freq-DETR: frequency-aware transformer for real-time small object detection in unmanned aerial vehicle imagery[J]. Expert Systems With Applications, 2026, 298: 129710.

[7]	Zhao Y, Lü W Y, Xu S L, et al. Detrs beat YOLOs on real-time object detection[C]// Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. Seattle: IEEE, 2024: 16965-16974.

[8]	刘光伟, 雷健, 郭直清, 等. 面向跨模态的露天矿障碍物检测方法[J]. 煤炭科学技术, 2025, 53(11): 327-340.

[9]	Liu Guangwei, Lei Jian, Guo Zhiqing, et al. Cross-modal obstacle detection method for open-pit mine[J]. Coal Science and Technology, 2025, 53(11): 327-340.

[10]	Wang Y, Yang Z, Zhao Y, et al. FA-YOLO: multi-scale feature fusion for spectral image object detection in complex scenes[J]. Multimedia Systems, 2025, 31(6): 423.

[11]	Guo G, Zhang L, Jia B, et al. Tool-YOLO: a target detection network based on feature extraction and feature fusion[J]. Multimedia Systems, 2025, 31(6): 424.

[12]	Pan J, Sun D, Zhang J, et al. Dual convolutional neural networks for low-level vision[J]. International Journal of Computer Vision, 2022, 130(6): 1440-1458.

[13]	Wang W, Dai J, Chen Z, et al. Internimage: exploring large-scale vision foundation models with deformable convolutions[C]// Proceedings of the IEEE/CVF conference on computer vision and pattern recognition. Vancouver: IEEE, 2023: 14408-14419.

[14]	陈爽, 王润豪, 罗林棋, 等. 多尺度特征信息融合的显著性目标检测算法[J]. 科学技术与工程, 2025, 25(23): 9919-9926.

[15]	Chen Shuang, Wang Runhao, Luo Linqi, et al. Salient object detection algorithm with multi-scale feature information fusion[J]. Science Technology and Engineering, 2025, 25(23): 9919-9926.

[16]	Zhang M, Bai H, Zhang J, et al. Rkformer: Runge-kutta transformer with random-connection attention for infrared small target detection[C]// Proceedings of the 30th ACM International Conference on Multimedia. Lisbon: ACM, 2022: 1730-1738.

[17]	Chen Y, Liu Z, Zhang L, et al. MFFNet: a lightweight multi-feature fusion network for UAV infrared object detection[J]. The Egyptian Journal of Remote Sensing and Space Sciences, 2024, 27(2): 268-276.

[18]	Chen D, Miao D. Control distance IoU and control distance IoU loss for better bounding box regression[J]. arXiv: 2103.11696, 2023.

[19]	靳子越, 李海涛, 殷海晨, 等. YOLO11n-seg-RF: 一种改进YOLO11n-seg的轻量级岩石裂隙检测及分割算法[J/OL]. 北京大学学报(自然科学版)[2026-02-02]. DOI: 10.13209/j.0479-8023.2025.063.

[20]	Jin Ziyue, Li Haitao, Yin Haichen, et al. YOLO11n-seg-RF: an improved lightweight rock fracture detection and segmentation algorithm based on YOLO11n-seg[J/OL]. Acta Scientiarum Naturalium Universitatis Pekinensis[2026-02-02]. DOI: 10.13209/j.0479-8023.2025.063.

[21]	Chen J, Kao S, He H, et al. Run, don’t walk: chasing higher FLOPS for faster neural networks[C]// Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. Vancouver: IEEE, 2023: 12021-12031.

[22]	程擎, 闫恒志, 李彦冬. 改进YOLOv8n的轻量级小型无人机检测方法[J]. 科学技术与工程, 2025, 25(28): 12098-12107.

[23]	Cheng Qing, Yan Hengzhi, Li Yandong. Lightweight detection method of small UAVs on improved YOLOv8n[J]. Science Technology and Engineering, 2025, 25(28): 12098-12107.

[24]	Liu X, Peng H, Zheng N, et al. EfficientVIT: memory efficient vision transformer with cascaded group attention[C]// Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. Vancouver: IEEE, 2023: 14420-14430.

[25]	Chen X, Yin H. DCC-DETR: a real-time lightweight gesture recognition network for home human-robot interaction[J]. Journal of Real-Time Image Processing, 2025, 22(5): 184.

[26]	Liu W, Lu H, Fu H, et al. Learning to upsample by learning to sample[C]// Proceedings of the IEEE/CVF International Conference on Computer Vision. Vancouver: IEEE, 2023: 6027-6037.

[27]	Li H, Li J, Wei H, et al. Slim-neck by GSConv: a lightweight-design for real-time detector architectures[J]. Journal of Real-Time Image Processing, 2024, 21(3): 62.

[28]	Kang M, Ting C, Ting F, et al. ASF-YOLO: a novel YOLO model with attentional scale sequence fusion for cell instance segmentation[J]. Image and Vision Computing, 2024, 147: 105057.

[29]	Ma S, Li R, Hu H. Train track fastener defect detection algorithm based on MGSF-YOLO[J]. The Journal of Supercomputing, 2025, 81(3): 494.

[30]	Li Y, Li Z, Teng S, et al. AutoMine: an unmanned mine dataset[C]// Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. New Orleans: IEEE, 2022: 21308-21317.

[31]	程铄棋, 谢丽蓉, 等. 伊力哈木·亚尔买买提, 露天矿山下无人矿卡的轻量级障碍检测算法研究[J]. 煤炭科学技术, 2025, 53(7): 263-274.

[32]	Cheng Shuoqi, Yaermaimaiti Yilihamu, Xie Lirong, et al. Research on lightweight obstacle detection algorithm for unmanned mining trucks[J]. Coal Science and Technology, 2025, 53(7): 263-274.

基金资助

新疆厅厅联动项目-重点研发专项(2023B01006-1)

PDF (15026KB)

访问

被引

详细

导航

Received	Published	Revised
2025-05-16	2026-05-08	2025-11-28
Online Date
2026-08-06

摘要