留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于多尺度通道注意力机制U-Net网络的煤体红外热像异常区域分割算法

赵小虎 车亭雨 叶圣 田贺 张凯

赵小虎, 车亭雨, 叶圣, 等. 基于多尺度通道注意力机制U-Net网络的煤体红外热像异常区域分割算法[J]. 工矿自动化.
引用本文: 赵小虎, 车亭雨, 叶圣, 等. 基于多尺度通道注意力机制U-Net网络的煤体红外热像异常区域分割算法[J]. 工矿自动化.
et alAn Algorithm for Segmentation of Coal Body Infrared Thermal Image Abnormal Region Based on U-Net Network of Multi-scale Channel Attention Mechanism[J]. Industry and Mine Automation.
Citation: et alAn Algorithm for Segmentation of Coal Body Infrared Thermal Image Abnormal Region Based on U-Net Network of Multi-scale Channel Attention Mechanism[J]. Industry and Mine Automation.

基于多尺度通道注意力机制U-Net网络的煤体红外热像异常区域分割算法

An Algorithm for Segmentation of Coal Body Infrared Thermal Image Abnormal Region Based on U-Net Network of Multi-scale Channel Attention Mechanism

  • 摘要: 红外辐射被广泛用于监测矿井煤岩动力灾害,并取得了一定的效果。针对红外辐射不能准确识别煤体损伤区域和监测矿井煤岩动力灾害准确性不高的问题,本文将红外辐射技术与基于多尺度通道注意力机制(Multi-Scale Channel Attention Module,MS-CAM)的U-Net网络结合提出一种基于MS-CAM U-Net网络的煤体红外热像异常区域分割算法。除此之外,为了克服煤体红外热像数据集匮乏对算法准确率和适用性的影响,本文对煤体红外热像数据集进行采集和预处理。通过理论和实验结果证明该算法有效提高了小目标异常区域的分割精度,同时该算法与原始的U-Net相比,精确率、F1分数、Dice系数和MIoU分别提高2.47%、3.27%3.07%、5.18%。

     

  • 加载中
计量
  • 文章访问数:  38
  • HTML全文浏览量:  7
  • PDF下载量:  0
  • 被引次数: 0
出版历程
  • 网络出版日期:  2022-06-21

目录

    /

    返回文章
    返回