矿冶工程

作者：刘石梅, 肖晶峰, 刘洋, 黄勇, 肖盛旺, 张胜广

单位：长沙矿冶研究院有限责任公司, 湖南 长沙 410012

关键词：干式磁选,图像识别,图像分割,机器视觉,U-Net,CBAM注意力机制,深度可分离卷积

基金：国家重点研发计划(2021YFC2902701);湖南省科技创新计划(2022RC1053)

为解决干式磁选过程中矿带不确定性问题,采用机器视觉技术,提出一种基于改进U-Net模型的图像分割方法。该模型利用CBAM注意力模块,提高网络对目标区域的识别和关注能力,有助于实现复杂背景下目标物体的图像分割; 采用深度可分离卷积,降低计算复杂度的同时兼顾精度,为获取分辨率较高的矿带图像提供有力支持,从而适应磁选场景,改善网络性能。该模型分割精度为92.28%,轮廓提取完整性和去噪能力优于经典U-Net、DeepLabV3+和PSPNet模型。

来源：2024年第6期

《矿冶工程》期刊编辑部

查看矿冶工程杂志2024年第6期