典型文献
基于深度学习的TBM密集岩碴片图像分割
文献摘要：
针对全断面隧道掘进机的传送带上岩碴片重叠造成的图像分割不准确问题,提出一种基于深度学习的密集岩碴片图像分割方法.该方法将原图像做预处理,标注并制作岩碴片图像数据集;改进U-Net模型的结构,通过深度监督以及新的混合损失函数优化模型学习分割表示的能力;训练改进后的模型分割图像,利用OpenCV获取面积与长、短轴等参数;与最大类间方差法、分水岭分割及传统U-Net模型进行比较,结果表明:所提出岩碴片图像分割的方法在准确率、F1 score、重叠度指标上分别为96.21％、94.66％和90.04％,预测单张图片耗时1.47 s,证明了所提出方法的准确性和有效性.
文献关键词：
全断面隧道掘进机;岩碴片;机器视觉;图像分割;深度学习;U-Net;模型评价;特征参数
中图分类号：
作者姓名：
赵先琼;邓志强;邓朝晖;梅勇兵;夏毅敏
作者机构：
中南大学 机电工程学院,湖南长沙410083;中铁第四勘察设计院集团有限公司,湖北武汉430063;中国铁建重工集团股份有限公司,湖南 长沙410100
文献出处：
引用格式：
[1]赵先琼;邓志强;邓朝晖;梅勇兵;夏毅敏-.基于深度学习的TBM密集岩碴片图像分割)[J].哈尔滨工程大学学报,2022(03):399-406
A类：
岩碴片
B类：
TBM,图像分割,全断面隧道掘进机,传送带,带上,上岩,分割方法,原图,图像数据集,Net,深度监督,混合损失函数,损失函数优化,模型学习,模型分割,OpenCV,最大类间方差法,分水岭分割,score,重叠度,单张,机器视觉,模型评价
AB值：
0.305868
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
