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。