融合注意力分支特征的甲烷泄漏红外图像分割

作者：何自芬; 曹辉柱; 张印辉^*; 黄俊璇; 史本杰; 朱守业

来源：红外技术, 2023, 45(04): 417-426.

• 红外图像分割
• 甲烷泄漏
• 注意力分支特征
• 实时检测

甲烷是现代化工业生产和社会生活的重要能源之一，实现其有效探测与分割对于及时发现甲烷泄漏事故并识别其扩散范围具有重要意义。针对红外成像条件下甲烷气体图像的轮廓模糊、泄漏的甲烷气体与背景对比度较低、形状易受大气流动因素影响等问题，本文提出一种融合注意力分支特征的红外图像分割网络（Attention Branch Feature Network,ABFNet）实现甲烷气体泄漏探测。首先，为增强模型对红外甲烷气体图像的特征提取能力，设计分支特征融合模块将残差模块1和残差模块2的输出特征与残差模块3以逐像素相加的方法融合，获取红外甲烷气体图像丰富细致的特征表达以提高模型识别精度。其次，为进一步加快模型的推理速度，将标准瓶颈单元中的3×3卷积替换为深度可分离卷积，大幅度减少参数量达到实时检测甲烷气体泄漏。最后，将scSE注意力机制嵌入到分支特征融合模块，更多地关注扩散区域边缘和中心语义信息以克服红外甲烷气体轮廓模糊对比度低等问题提高模型的泛化能力。实验结果表明，本文提出的ABFNet模型AP50@95、AP50、AP60定量分割精度分别达到38.23%、89.63%和75.33%，相比于原始YOLACT模型分割精度，分别提高4.66%、3.76%和7.04%，推理速度达到34.99帧/s，满足实时检测需求。实验结果验证了本文算法对红外甲烷泄漏检测的有效性和工程实用性。

• 单位
  昆明理工大学; 机电工程学院