-
题名基于HGM-UNet的烧结混合料粒度分割研究
- 1
-
-
作者
杨园明
张淑卿
刘小杰
-
机构
华北理工大学电气工程学院
华北理工大学冶金与能源学院
-
出处
《烧结球团》
北大核心
2025年第4期141-150,177,共11页
-
基金
现代冶金技术教育部重点实验室开放基金资助项目(2024YJKF01)。
-
文摘
针对当前烧结混合料粒度检测方法存在的图像边缘模糊、多尺度特征提取不充分带来的精度低以及现有模型庞大等问题,本文提出一种基于HGM-UNet网络的烧结混合料粒度检测模型。该模型采用Ghost卷积,通过引入轻量化卷积核和稀疏特征图表示,有效降低计算复杂度和内存消耗;通过Haar小波下采样模块改进UNet编码器部分,充分提取多尺度特征,提高了模型的精度;引入MSCA注意力机制,提升边界识别和结构细节的精确度;加入边界加权交叉熵损失函数更好地学习和保留目标物体的边界信息,提高烧结混合料粒度的分割精度。建立烧结混合料数据集并进行对比验证,结果表明:该模型比传统UNet网络的mIoU提升2.50%、PA提升2.58%、Dice系数提升2.55%、参数量降低25.4%。
-
关键词
烧结混合料
粒度检测
深度学习
UNet
图像分割
-
Keywords
sinter mixture
particle size detection
deep learning
Unet
image segmentation
-
分类号
TF046.4
[冶金工程—冶金物理化学]
TP31
[自动化与计算机技术—计算机软件与理论]
-
