一种针对煤炭颗粒图像的双阶段自适应分割框架
白虎
刘汉烨
李云瑞
刘传星
榆林学院信息工程学院,陕西榆林 719000
摘要：在实际生产场景中,煤炭颗粒不规则的几何形态和复杂的空间分布不仅影响分割精度,也使得人工标注分割掩码极为不便,难以适用于大规模工业场景.针对该问题,提出了一种针对煤炭颗粒图像的双阶段自适应分割框架DASeg.该框架由DS-YOLO目标检测模型、自适应边界框校正(ABR)模块和SAM2图像分割模型组成.DS-YOLO模型在YOLOv11颈部网络中引入动态上采样模块DySample和空间与通道协同注意力(SCSA)模块,有效提高了目标检测精度.针对DS-YOLO生成的检测框难以贴合实际煤粒边界的问题,设计了 ABR模块,ABR模块根据加权系数对原始检测框与掩码外接框进行加权融合,生成更准确的提示框.将修正后的坐标信息作为SAM2模型的提示输入,利用SAM2提取全局与局部特征,并融合提示区域信息生成目标掩膜,实现煤粒分割.实验结果表明,DASeg分割框架在煤炭颗粒图像分割任务中表现优异,其中像素准确率(PA)达到93.1％,平均交并比(mIoU)为 88.4％,平均 Dice 系数(mDice)为 93.4％.
关键词：煤炭颗粒图像分割目标检测YOLOv11自适应边界框校正图像分割SAM2
分类号：TD67(矿山电工)
资助基金：陕西省科技厅重点研发计划项目(S2023-YF-YBSF-0889)榆林市产学研项目(2023-CXY128)榆林市科技之光——中青年领军创新人才项目(2023KJZG06)榆林学院高层次人才科研启动基金项目(2023GK82)
论文发表日期：2025-08-30
在线出版日期：2025-09-18（本平台首次上网日期，不代表文献的发表时间）
页数：8( 102-108,133 )
英文信息