基于注意力机制优化的CAU-Net矿岩图像分割方法研究

作     者：于佳强 金长宇 梁文勖 

作者机构：中煤科工集团沈阳研究院有限公司 煤矿安全技术国家重点实验室 深部金属矿山安全开采教育部重点实验室 

出 版 物：《金属矿山》 (Metal Mine)

年 卷 期：2025年

学科分类：081901[工学-采矿工程] 0819[工学-矿业工程] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：岩土力学与工程国家重点实验室开放基金项目(编号:Z020017) 中央高校基本科研业务费专项(编号:N2101041) 

主　　题：爆破块度 深度学习 注意力机制 矿石分割 

摘      要：针对露天矿爆堆矿岩图像存在的粘连性强，区间物体相似度高以及图像质量差造成的传统图像分割方法分割精度低，分割效果差的问题，通过在传统的U-net图像分割框架中引入注意力机制模型，提出了一种基于注意力机制模型优化U-Net模型的爆堆矿岩图像分割方法。该方法以U-net为模型框架，在其每个卷积学习阶段之前巧妙地融入注意力机制，分别将所提方法与3种注意力模型进行爆堆矿岩图像分割试验，并对试验结果进行了对比分析。研究表明：CAU-Net模型可以极大的提高爆堆矿岩图像分割效果，模型分割准确度达到94.08%，AUC值可达97.43%，模型具有良好的预测性能，最终通过与阈值分割法和U-Net法分割效果对比，以及分割图像的交并比，证明本研究算法可以更加准确的分割爆堆矿岩图像，获得的高精度爆堆矿岩分割图像用于数字化矿岩块度统计，极大的提升了数字化矿岩块度统计的准确性，极大推动了矿山数字化建设。