-
题名一种针对煤炭颗粒图像的双阶段自适应分割框架
- 1
-
-
作者
白虎
刘汉烨
李云瑞
刘传星
-
机构
榆林学院信息工程学院
-
出处
《工矿自动化》
2025年第8期102-108,133,共8页
-
基金
陕西省科技厅重点研发计划项目(S2023-YF-YBSF-0889)
榆林市产学研项目(2023-CXY128)
+1 种基金
榆林市科技之光——中青年领军创新人才项目(2023KJZG06)
榆林学院高层次人才科研启动基金项目(2023GK82)。
-
文摘
在实际生产场景中,煤炭颗粒不规则的几何形态和复杂的空间分布不仅影响分割精度,也使得人工标注分割掩码极为不便,难以适用于大规模工业场景。针对该问题,提出了一种针对煤炭颗粒图像的双阶段自适应分割框架DASeg。该框架由DS−YOLO目标检测模型、自适应边界框校正(ABR)模块和SAM2图像分割模型组成。DS−YOLO模型在YOLOv11颈部网络中引入动态上采样模块DySample和空间与通道协同注意力(SCSA)模块,有效提高了目标检测精度。针对DS−YOLO生成的检测框难以贴合实际煤粒边界的问题,设计了ABR模块,ABR模块根据加权系数对原始检测框与掩码外接框进行加权融合,生成更准确的提示框。将修正后的坐标信息作为SAM2模型的提示输入,利用SAM2提取全局与局部特征,并融合提示区域信息生成目标掩膜,实现煤粒分割。实验结果表明,DASeg分割框架在煤炭颗粒图像分割任务中表现优异,其中像素准确率(PA)达到93.1%,平均交并比(mIoU)为88.4%,平均Dice系数(mDice)为93.4%。
-
关键词
煤炭颗粒图像分割
目标检测
YOLOv11
自适应边界框校正
图像分割
SAM2
-
Keywords
coal particle image segmentation
object detection
YOLOv11
Adaptive Box Refinement
image segmentation
SAM2
-
分类号
TD67
[矿业工程]
-
