PFVnet是一个功能增强网络,用于低识别的煤炭和岩石图像
Cai Han1, Zhenwen Liu2, Shenglei Zhao3
1School of Safety Engineering, Heilongjiang University of Science and Technology, Harbin, 150022, China.
Scientific reports
|April 29, 2025
概括
这项研究介绍了PFVnet,这是一种新的混合视觉网络,用于在具有挑战性的环境中改进煤石识别. PFVnet增强了特征识别,显著提高了准确性,并减少了机器视觉系统中的错误判断.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 采矿工程 采矿工程 采矿工程
背景情况:
- 目前的机器视觉煤石识别与差异较低的图像作斗争.
- 照明,灰尘和雾等环境因素会降低图像质量和识别精度.
- 需要在复杂的采矿条件下使用可靠的识别方法.
研究的目的:
- 开发一种改进的煤石识别方法,能够抵御环境干扰.
- 为了提高现有的深度学习模型的性能,用于煤岩图像识别.
- 提供技术解决方案,以更准确,更可靠地识别煤石.
主要方法:
- 模拟煤石环境,可控制照明,空气流,尘埃和雾.
- 在不同的干扰水平下,特征灰度和纹理特征.
- 开发了一个并行混合视觉网络 (PFVnet),结合了卷积和视觉变压器,与DeepLabV3+集成,以提高识别能力.
主要成果:
- PFVnet有效地增强了煤炭和岩石特征,实现了PSNR的18.90和SSIM的0.58.
- 与DeepLabV3+的整合减少了误判,精度增加了0.95%,mIoU增加了2.15%,mPA增加了2.12%.
- 环境因素对图像区分能力产生重大影响,这证实了对强大的模型的需求.
结论:
- 拟议的PFVnet模型提供了一种可行的技术解决方案,以提高煤石识别的准确性.
- 这项研究为克服用于采矿应用的机器视觉挑战提供了新的见解.
- 开发的方法有助于在复杂环境中推进煤石识别技术.
