基于D-MSG Transformer的煤矿井下严重遮挡目标鲁棒检测研究OA

针对煤矿井下环境中的低照度、高粉尘和复杂背景引起的运动模糊与严重目标遮挡问题,传统卷积神经网络(CNN)受限于感受视野大小,难以充分捕捉全局特征;而标准视觉Transformer(ViT)模型计算复杂度随输入分辨率呈平方级增长,在矿用边缘设备有限算力下难以同时保证检测精度和实时性。提出一种高效的视觉骨干网络D-MSG Transformer,设计多粒度信使机制(MGM),通过正交辅助损失函数约束不同信使Token分别编码纹理、边缘和结构等互补信息;设计语义感知动态路由(SADR)策略,利用轻量级路由网络动态计算信使Token与目标窗口的语义亲和度,通过Gumbel-Softmax实现特征按需分配,大幅减少背景冗余区域的计算量;引入轨迹位置编码(TPE),显式捕捉信使Token在层间传递时的空间位移信息。结果表明:在ImageNet-1K分类任务上,D-MSG Transformer的Top-1准确率达到81.9%,比Swin-T提高了0.6%,同时FLOPs降低了11%;在模拟的井下复杂环境数据集上,相比基准模型mAP提升1.5%;特别是在模拟的严重遮挡(遮挡率50%)和低照度(亮度系数<0.2)场景下,模型仍能保持较高的检测精度,相比基线模型Swin-T,其性能衰减幅度分别减少了4.3%和3.4%,验证了模型在极端工况下的强鲁棒性,有效缓解复杂纹理区域的信息瓶颈。在NVIDIA Jetson AGX Orin边缘设备上部署量化模型后,推理速度可达26 FPS,实现了检测性能与工业部署效率的良好平衡,为煤矿井下智能化视觉监控提供了一种高效且稳健的解决方案。