检索结果-维普期刊中文期刊服务平台

一种U型煤岩显微组分组语义分割网络模型: 1; 作者王培珍周峰 +2 位作者张克汪旋张代林《煤炭学报》北大核心 2025年第S1期418-427,共10页; 煤岩显微组分组的语义分割是采用图像技术对其显微组分组含量进行自动测定的重要前提。为了提高煤岩显微组分组识别的准确性,根据煤岩显微图像的特点,基于U-Net网络模型的架构,提出一种用于煤岩显微组分组语义分割的U型深度学习模型。首... 展开更多; 关键词煤岩显微组分组显微图像 U-Net 语义分割深度学习; 在线阅读下载PDF 职称材料

煤岩显微组分组图像自动识别系统与关键技术被引量：19: 2; 作者宋孝忠张群《煤炭学报》 EI CAS CSCD 北大核心 2019年第10期3085-3097,共13页; 煤化程度和显微组分组成决定着煤的物理化学性质和工艺性质。煤的镜质组反射率和显微组分的煤岩自动化测定,不仅可以减少传统人工测定产生的差异,而且速度快、效率高,使煤岩测定结果应用于煤炭分类、煤炭加工利用等领域成为可能。国内... 展开更多; 关键词显微组分组自动识别图像分析 K均值聚类算法软件系统; 在线阅读下载PDF 职称材料

煤岩显微图像假边界对显微组分组自动识别的影响被引量：8: 3; 作者宋孝忠《煤田地质与勘探》 CAS CSCD 北大核心 2019年第6期45-50,共6页; 在利用图像分析技术进行煤岩自动化检测过程中,发现煤岩显微图像中各种成分的边界表现为"镶边"状的灰度过渡区,过渡区像素点灰度不能反映其两侧显微成分的真实灰度。为了分析这种假边界对煤岩显微组分组识别检测的影响,通过... 展开更多; 关键词显微图像显微组分组假边界灰度斜坡边缘检测自动图像识别; 在线阅读下载PDF 职称材料

基于DeeplabV3+改进的煤岩显微组分组自动化测试模型被引量：3: 4; 作者胡晋玮奚峥皓 +2 位作者徐国忠李忠峰刘翔《煤田地质与勘探》 EI CAS CSCD 北大核心 2023年第10期27-36,共10页; 煤岩显微组分组的识别对分析煤炭化学性质起到关键作用。人工识别方法费时费力,且专业性要求较高。现有的计算机辅助识别有效方法多以深度学习语义分割模型为手段,但因煤岩显微图像组成复杂,且存在过渡组分,因此无法准确识别煤岩显微组... 展开更多; 关键词煤岩显微图像显微组分组自动化测试语义分割模型 Swin Transformer SkNet; 在线阅读下载PDF 职称材料

题名一种U型煤岩显微组分组语义分割网络模型: 1; 作者王培珍周峰张克汪旋张代林; 机构安徽工业大学电气与信息工程学院东北大学计算机科学与工程学院安徽工业大学煤的洁净转化与高值化利用安徽省重点实验室; 出处《煤炭学报》北大核心 2025年第S1期418-427,共10页; 基金国家自然科学基金资助项目(51574004) 安徽省高校自然科学研究重点资助项目(KJ2019A0085)。; 文摘煤岩显微组分组的语义分割是采用图像技术对其显微组分组含量进行自动测定的重要前提。为了提高煤岩显微组分组识别的准确性,根据煤岩显微图像的特点,基于U-Net网络模型的架构,提出一种用于煤岩显微组分组语义分割的U型深度学习模型。首先,采用基于组混合注意力机制搭建的Transformer主干网络构建U型网络的编码器,并通过多个尺度特征的聚合及自注意力机制实现特征信息更全面的聚合,使模型对复杂图像中的结构信息更敏感。其次,在编码器末端级联空洞空间卷积池化金字塔模块,以在不降低特征图分辨率的前提下扩大感受野。最后,构建邻层减法模块以聚合不同尺度的编码器和解码器之间的差异特征,通过改进层级间信息聚合的方式,更有效地整合高层次的语义信息与低层次的细节信息,提供更丰富的特征表达,使模型在具有复杂结构的煤岩显微图像和多尺度目标的分割上具有更好的精度和鲁棒性。针对现有方法多数针对单一煤种或单一目标,构建了包含不同煤化程度的煤岩显微组分组语义分割数据集,采用该数据集训练所提语义分割模型,实现了适应于多种煤阶的煤岩显微组分组的多目标同时分割与解释。结果表明:所提出的网络其mDice系数可达93.39%,平均交并比(mIoU)为88.19%,像素准确率(PA)为96.50%,比U-Net原型网络分别提升了4.48%、7.32%和2.82%。将由模型计算所得煤岩显微组分组的数据与人工测定的结果进行比较,极差小于4%的占比为95.3%,验证了所提出的语义分割模型在煤岩组分组语义分割中的适应性与稳定性。; 关键词煤岩显微组分组显微图像 U-Net 语义分割深度学习; Keywords coal maceral groups microscopic images U-Net semantic segmentation deep learning; 分类号 TQ533.6 [化学工程—煤化学工程] TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名煤岩显微组分组图像自动识别系统与关键技术被引量：19: 2; 作者宋孝忠张群; 机构煤炭科学研究总院中煤科工集团西安研究院有限公司; 出处《煤炭学报》 EI CAS CSCD 北大核心 2019年第10期3085-3097,共13页; 基金国家自然科学基金资助项目(41972167) 中煤科工集团西安研究院有限公司科技创新基金资助项目(2015XAYZD09); 文摘煤化程度和显微组分组成决定着煤的物理化学性质和工艺性质。煤的镜质组反射率和显微组分的煤岩自动化测定,不仅可以减少传统人工测定产生的差异,而且速度快、效率高,使煤岩测定结果应用于煤炭分类、煤炭加工利用等领域成为可能。国内外在煤岩自动化测定方面开展过大量研究工作,实现了镜质组反射率自动测定。但是由于煤岩显微组成和煤化程度影响的复杂性,显微组分的自动识别和图像分析测定仍然面临诸多难题。针对以上问题:①研制了煤岩显微图像自动采集硬件平台,具有显微镜自动聚焦、自动扫描和显微图像自动采集三大功能模块,建立了煤岩显微组分组图像自动识别工作流程;②开发了显微图像去噪预处理技术,可实现黏结剂与壳质组有效分割、受下方煤颗粒反射影响变亮黏结剂等的有效剔除,形成了基于Prewitt算子的煤岩显微组分假边界图像剔除技术;③开发出基于K均值聚类的煤岩显微组分组图像自动分割和识别技术;④形成了烟煤的煤岩显微组分组图像自动识别系统。应用本文研发的技术,对我国不同变质阶段烟煤的代表性煤样进行煤岩显微图像自动采集和显微组分组自动识别测定,并将测定结果与国内资深煤岩专家人工鉴定的标准结果进行比对。结果表明,两种方法测定的45个样品镜质组、惰质组、壳质组的极差平均值分别仅有2.3%,2.3%,1.5%;按照国家标准GB/T 18510—2001给出的准确度分析方法,获得3个显微组分组的统计量t c<t t。; 关键词显微组分组自动识别图像分析 K均值聚类算法软件系统; Keywords maceral group automatic recognition image analysis K-means clustering algorithm software system; 分类号 P618.11 [天文地球—矿床学]; 在线阅读下载PDF 职称材料

题名煤岩显微图像假边界对显微组分组自动识别的影响被引量：8: 3; 作者宋孝忠; 机构煤炭科学研究总院中煤科工集团西安研究院有限公司; 出处《煤田地质与勘探》 CAS CSCD 北大核心 2019年第6期45-50,共6页; 基金中煤科工集团西安研究院有限公司科技创新基金项目(2019XAYMS17)~~; 文摘在利用图像分析技术进行煤岩自动化检测过程中,发现煤岩显微图像中各种成分的边界表现为"镶边"状的灰度过渡区,过渡区像素点灰度不能反映其两侧显微成分的真实灰度。为了分析这种假边界对煤岩显微组分组识别检测的影响,通过对全国大量煤岩样品所采集显微图像分析的基础上,对各种相邻成分间假边界的特征、成因进行了分析。假边界一般多呈环状、条带状"镶边"形态,呈现出与相邻成分灰度相衔接的灰度斜坡特征,假边界灰度斜坡宽度与煤岩显微图像中各种成分的组合类型相关。假边界的形成是由于煤中各种成分的硬度及韧性差异引起突起高低不同,成像时在不同成分的边界呈现灰度斜坡。选取10个不同变质阶段代表性煤样,利用Prewitt算子对样本假边界进行边缘检测提取,提取的假边界过渡区像素占比整体煤颗粒图像的10%~27%;并将测定结果与国内资深煤岩专家人工鉴定的标准结果进行比对,结果表明,剔除假边界后测定的镜质组、惰质组、壳质组的极差远低于未剔除假边界的极差,更为接近人工鉴定结果。; 关键词显微图像显微组分组假边界灰度斜坡边缘检测自动图像识别; Keywords microscopic image maceral group false boundary gray ramp edge detection automatic image recognition; 分类号 P618.11 [天文地球—矿床学]; 在线阅读下载PDF 职称材料

题名基于DeeplabV3+改进的煤岩显微组分组自动化测试模型被引量：3: 4; 作者胡晋玮奚峥皓徐国忠李忠峰刘翔; 机构上海工程技术大学电子电气工程学院辽宁科技大学化工学院营口理工学院电气工程学院; 出处《煤田地质与勘探》 EI CAS CSCD 北大核心 2023年第10期27-36,共10页; 基金国家自然科学基金项目(12104289)。; 文摘煤岩显微组分组的识别对分析煤炭化学性质起到关键作用。人工识别方法费时费力,且专业性要求较高。现有的计算机辅助识别有效方法多以深度学习语义分割模型为手段,但因煤岩显微图像组成复杂,且存在过渡组分,因此无法准确识别煤岩显微组分组。针对此问题,提出改进的DeeplabV3+语义分割模型,在改进模型中引入Swin Transformer骨干网络和SkNet网络。首先,针对煤岩显微图像各个组分组交错杂糅且存在过渡组分,特征提取困难,利用Swin Transformer骨干网络作为基础特征提取网络,提升模型对煤岩显微图像每种组分组的特征提取能力,并使得分割网络获得特征间信息交互的能力;其次,针对在模型中空洞空间卷积池化金字塔模块对特征利用率低的问题,将SkNet网络融入空洞空间卷积池化金字塔模块,强化空洞空间卷积池化金字塔模块对重要特征的提取能力,并抑制非必要特征对最终预测结果的干扰;最后,将改进的DeeplabV3+模型与现有先进算法通过实验进行性能比较,结果表明:改进的DeeplabV3+语义分割模型在煤岩显微图像测试集上的像素准确率为92.06%,与随机森林方法、U-Net语义分割模型和DeeplabV3+语义分割模型相比像素准确率分别提高了9.48%、6.90%和3.40%;改进的DeeplabV3+语义分割模型与人工点测方法测试结果相近。改进的DeeplabV3+语义分割模型较现有煤岩显微组分组自动识别模型性能更优,可作为一种强大的计算机辅助人工识别煤岩显微组分组的手段。; 关键词煤岩显微图像显微组分组自动化测试语义分割模型 Swin Transformer SkNet; Keywords microscopic coal image maceral group automated testing semantic segmentation model Swin Transformer SkNet; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术] TQ533.6 [化学工程—煤化学工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	一种U型煤岩显微组分组语义分割网络模型	王培珍周峰张克汪旋张代林	《煤炭学报》北大核心	2025	0	在线阅读下载PDF 职称材料
2	煤岩显微组分组图像自动识别系统与关键技术	宋孝忠张群	《煤炭学报》 EI CAS CSCD 北大核心	2019	19	在线阅读下载PDF 职称材料
3	煤岩显微图像假边界对显微组分组自动识别的影响	宋孝忠	《煤田地质与勘探》 CAS CSCD 北大核心	2019	8	在线阅读下载PDF 职称材料
4	基于DeeplabV3+改进的煤岩显微组分组自动化测试模型	胡晋玮奚峥皓徐国忠李忠峰刘翔	《煤田地质与勘探》 EI CAS CSCD 北大核心	2023	3	在线阅读下载PDF 职称材料