基于GAN–UNet的矿石图像分割方法
李鸿翔1
王晓丽1
阳春华1
熊伟2
1.中南大学自动化学院,湖南长沙4100832.长沙矿冶研究院有限责任公司,湖南长沙410012
摘要：在选矿生产过程中,磨机给矿粒度对磨矿分级效率影响重大,是一个关键的控制参数.由于矿石表面不规则、棱线较多,同时存在矿石间堆叠的问题,给基于图像的矿石粒度检测带来极大困难.本文提出一种基于GAN–UNet的矿石图像分割方法,针对矿石图像棱线易引起矿石边缘错误识别的问题,采用生成对抗网络进行图像分割,将U–Net作为图像分割生成器网络,使用人工标记的矿石边缘图像作为真实图像,随后构建判别器网络以判断图像来源,同时将判别器误差与生成器误差通过加权形式引入网络训练中,直到判别器难以判断分割图像来源,获得满足条件的生成器.对实际工业生产矿石图像的分割结果表明,本方法与U–Net网络相比提升了网络对矿石边缘的识别能力,减小了图像分割误差,对矿石区域的相对误差平均值降至8.20％.
关键词：生成对抗网络深度学习矿石图像分割
资助基金：国家自然科学基金(61673401)国家自然科学基金(61988101)
论文发表日期：2021-09-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1393-1398 )
英文信息