面向多样场景的地下矿工检测综合数据集
计算机视觉与模式识别
2025-06-27 v1 机器学习
摘要
地下采矿运营面临着显著的安全挑战，这使得紧急响应能力至关重要。虽然机器人在搜救操作中显示出了前景，但其有效性取决于可靠的矿工检测能力。深度学习算法为自动化矿工检测提供了潜在解决方案，但需要针对地下采矿环境的全面训练数据集，而当前数据集尚不充足。本文提出了一套新型热成像数据集，专为开发和验证面向潜在紧急应用的矿工检测系统而设计。我们系统性地采集了各种采矿活动和场景的热成像图像，以构建检测算法的稳健基础。为建立基准性能指标，我们在数据集上评估了包括 YOLOv8、YOLOv10、YOLO11 和 RT-DETR 在内的几种最先进的对象检测算法。虽然该数据集并不涵盖所有可能的紧急情形，但它作为可靠基于热成像的矿工检测系统开发的关键第一步，为未来在关键安全应用领域的研究奠定了基础。本工作证明了使用热成像进行矿工检测的可行性，并为该重要安全应用的后续研究建立了基础。
引用
@article{arxiv.2506.21451,
title = {A Comprehensive Dataset for Underground Miner Detection in Diverse Scenario},
author = {Cyrus Addy and Ajay Kumar Gurumadaiah and Yixiang Gao and Kwame Awuah-Offei},
journal= {arXiv preprint arXiv:2506.21451},
year = {2025}
}