基于U-Net和Res_UNet模型的传送带矿石图像分割方法

针对传送带矿石图像中矿石粘连和边缘模糊造成的分割不准确问题,提出了一种基于U-Net和Res_UNet模型的传送带矿石图像分割方法.该方法首先将待分割图像经过灰度化、中值滤波和自适应直方图均衡化处理后,利用预训练的U-Net模型提取图像轮廓;然后,将图像轮廓二值化后,利用预训练的Res_UNet模型进行轮廓优化;最后,利用OpenCV得到分割结果.与基于形态学重建的分水岭算法和NUR法分别对10张测试图进行实验比较,结果表明,所提出的利用深度学习实现矿石轮廓检测和优化方法分割的结果更加准确,证明了其对传送带矿石图像分割的有效性.

基于CBAM-Res_UNet电厂高压蒸汽泄漏检测研究

发电厂高压蒸汽泄漏检测关乎电厂设备长期稳定运行。为了提高电厂高压蒸汽泄漏检测的准确性,解决泄漏区域的错分割和漏分割问题,提出基于CBAM-Res_UNet图像分割网络的电厂高压蒸汽泄漏检测算法,在UNet结构中加入ResNet的残差块residual_block来获取泄漏图像更多的语义信息,并且融入CBAM,加强高压蒸汽泄漏图像区域特征的学习,网络再根据不同损失函数和评价标准对图像分割结果的影响,选择损失函数Focal Loss+Dice Loss和性能指标F1_score。通过在电厂高压蒸汽泄漏图像数据集上进行实验,CBAM-Res_UNet网络得到的F1_score值为0.985,实验结果表明,该网络可以更加完整的分割出蒸汽泄漏区域,对高压蒸汽泄漏图像多样性有较强的泛化能力。

农村路面多类型病害检测方法研究

针对实际采集场景下路面影像中病害受背景纹理噪声影响程度大、病害边缘模糊导致分割不准确的问题,该文提出了一种基于Res_UNet和全连接条件随机场的路面病害像素级精准检测方法:(1)对路面影像进行灰度化、中值滤波和自适应直方图均衡化等预处理;(2)根据辽宁省多年份实测路面影像制作大规模、多场景、像素级路面病害数据集,然后融合注意力机制及Dense Crf优化Res_UNet网络结构完成模型训练;并引入损失函数dice loss增强了该方法对细小病害提取的能力;(3)将深度卷积神经网络分割后的路面病害特征图导入全连接条件随机场,对预测的路面病害结果进行轮廓优化,其检测结果为获取路面裂缝宽度,进而评估路面病害等级奠定了基础。该文选用2000张辽宁省农村公路实测路面影像,并以人工判读作为标准,分别从准确率、召回率和精确率3个方面验证本文方法、分水岭算法和Res_UNet模型在实际工作环境下的农村公路路面病害分割性能。结果表明,方法的准确率为91.3%,召回率为87.8%,精确率为87.5%,路面病害轮廓提取更加精细,能够适应于复杂路面条件下病害高鲁棒分割。