【摘要】针对矿井轨道运输环境中照度低、粉尘大，且传统深度学习模型过于庞大导致车载设备难以实时处理视觉信号的工程难题，本文研究并提出了一种融合 MobileNetV3-SSD 的矿用电机车轨道障碍物检测方法，并配套实施了机电设备联合改造方案。在视觉感知端，通过引入 MobileNetV3 轻量化主干网络与 SE 通道注意力机制对经典 SSD 算法进行重构，大幅降低了模型的计算复杂度，提升了对低对比度落石与人员等关键特征的捕获能力。在设备落地执行端，针对井下复杂工况，运用机械振动学原理设计了车载摄像仪的柔性复合减震机构，同时对机车原有的机械手动气压制动系统进行了电空并联改造，彻底打通了从视觉识别、电气决策到气缸制动的物理控制闭环。工业现场测试结果表明，优化后的 MobileNetV3-SSD 模型权重文件压缩至 16.2MB，在车载防爆边缘计算节点上的推理帧率达到 68FPS，综合检测精度均值达到89.4%。在 15km/h 的实车行驶工况下，自动触发的气动机械制动响应时间小于 0.6s，有效避免了碰撞事故。本研究通过算法轻量化与机械执行机构改造的深度融合，为矿山辅助运输设备的智能化升级提供了可靠的技术路径。