矿冶工程

作者：宋纹瑶, 张梅, 郭连军, 邓丁, 高崇, 赵鑫

单位：1.沈阳工业大学 建筑与土木工程学院, 辽宁 沈阳 110870;2.宣化科技职业学院, 河北 张家口 075100;3.中铁十九局集团有限公司, 北京 100176;4.中铁十九局集团矿业投资有限公司, 北京 100161\t

关键词：钻孔成像,裂隙识别,U-Net网络,注意力机制,裂隙提取,机器学习,语义分割,图像识别

基金：国家自然科学基金(51974187)

为提高钻孔图像裂隙识别精度，提出了一种露天矿钻孔裂隙识别方法，利用智能钻孔摄像技术获取露天矿钻孔图像，并运用随机裁剪和图像翻转进行数据增广，同时采用中值滤波降噪和图像灰度化，去除噪点及减少计算量。在U-Net模型中利用空间注意力和通道注意力机制改进钻孔裂隙语义分割模型，形成AU-Net模型，以强化图像全局和局部信息的特征提取能力。实验结果表明：AU-Net模型相较于U-Net模型在钻孔图像裂隙识别数据集上可以取得更低的损失、更高的精度，均交并比提高了4.38百分点，达到82.34%，图像分割效果更好。

来源：2025年第4期

《矿冶工程》期刊编辑部

查看矿冶工程杂志2025年第4期