基于改进Unet的矿石图像分割

为了应对矿产领域的矿石识别困难、识别设备成本高等问题提出了改进的Unet矿石图像分割算法,首先对EfficientNetV2加以改造作为模型的主干网络提取矿石特征;其次,引入MBconv模块作为解码器中的基本模块,加强特征提取能力;采用CA注意力模块替换SE注意力模块,保留更多空间位置信息;最后使用滤波器响应归一化(FRN)层替换常用的批量归一化(BN)层,避免模型性能受批量大小的影响。基于FeM和Cu数据集实验结果表明,PA分别为96.58%和95.39%,Miou分别为92.8%和90.43%,F1_score分别为95.15%和93.47%,Efficient_unet模型参数相比Unet减少了60.4%,推理速度提升了19.23%,可达21.7 fps,所提模型在精度和速率方面均优于现有经典分割模型,同时表现出良好的泛化性能。

基于改进Faster-RCNN的绝缘子检测算法

为了提高高压输电线路巡检效率,提出改进Faster-RCNN的绝缘子检测算法。首先,在特征提取网络中添加具有注意力机制动态选择机制网络(SKNet),从而使网络着重学习与绝缘子特征相关通道;其次,借助滤波器响应归一化(FRN)层替代原批归一化(BN)层,以避免模型陷入梯度饱和区域;最后,使用距离交并比(DIoU)代替原交并比(IoU)方法,以精确表达特征候选区域框位置。对开源航拍绝缘子数据集进行平移、旋转、Cutout和CutMix等操作来进行增强,将数据集扩充到3000张并从中随机选择2500张作为训练集,其余500张作为测试集。相较于原Faster-RCNN算法,所提算法平均准确率提高了3.46个百分点,平均召回率提高了2.76个百分点。实验结果表明:所提算法具有较高检测精度和稳定性,可满足电力巡线绝缘子检测应用场景需求。