融合注意力空洞卷积和Transformer的矿石图像分割

作者：汤翔中; 高丙朋^*

来源：科学技术与工程, 2023, 23(16): 6974-6982.

• 矿石
• 图像分割
• 深度学习
• Transformer
• 空洞卷积

在金矿研磨过程中，矿石粒度大小对后期黄金冶炼起着至关重要的作用，是一个不可忽略的关键参数。为解决图像分割中多数矿石表面不规则、棱角多，粘连等问题，通过结合注意力与多尺度空洞卷积的Vit Transformer模型研究了矿石图像分割。首先使用ResNet34作为下采样主干，增强对金矿石的特征提取能力；其次采用Transformer模块解决长距离依赖问题，融合复合通道注意力空洞模块提升网络对金矿石边缘特征的提取能力，提高了网络的抗干扰能力并扩大感受野。实验结果表明：本文算法准确率达到95.84%,Dice系数达到94.69%,交并比(IoU)达到90.39%,错误率低至7.83%。与其他算法对比，本文方法精度、Dice系数、IoU更高，可以较好地完成矿石图像分割任务。

• 单位
  新疆大学