复杂环境下炮孔智能检测混合神经网络模型

金庆雨; 岳中文; 周星源; 陈佳瑶; 刘化强

doi:10.19606/j.cnki.jmst.2025093

矿业科学学报 ›› 2026, Vol. 11 ›› Issue (02) : 265 -275+487. DOI: 10.19606/j.cnki.jmst.2025093

复杂环境下炮孔智能检测混合神经网络模型

金庆雨, 岳中文, 周星源, 陈佳瑶, 刘化强

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对隧道钻爆法施工装药阶段粉尘干扰、照度不足等导致炮孔检测困难的问题，提出了1种基于混合神经网络的智能炮孔检测模型。通过多类别分类模块准确地将复杂环境的炮孔图像进行分类，利用特征转换模块将其转换为清晰背景下的炮孔图像；随后，基于炮孔检测模块识别并定位炮孔位置，通过增强可变形卷积模块的特征提取能力，引入三重注意力机制并优化损失函数，显著提高了模型在复杂环境中的检测精度。试验结果表明，在复杂环境下，炮孔检测模型可实现94.47%的检测精确率与86.32%的召回率。与其他深度学习目标检测模型相比，该模型在鲁棒性和炮孔检测能力方面表现更为出色，能够准确识别传统模型难以检测的炮孔位置，为隧道掘进中的智能化装药提供了可靠依据。