基于迭代压缩U型网络的煤颗粒分割与粒度分析方法.pdfVIP

第50卷第2期煤炭学报Vol.50No.2

2025年2月JOURNALOFCHINACOALSOCIETYFeb.2025

基于迭代压缩U型网络的煤颗粒分割与粒度分析方法

1131121

程德强，张瑞，谢同喜，刘敬敬，郑丽娟，寇旗旗，江鹤

(1.中国矿业大学信息与控制工程学院,江苏徐州221116；2.中国矿业大学计算机科学与技术学院,江苏徐州221116；

3.中国矿业大学煤炭资源与安全开采国家重点实验室,江苏徐州221116)

摘要：煤中甲烷气体传播与煤粒的粒度分布特征紧密相连，进而影响煤炭的安全开采和利用。随

着数字图像处理技术的不断发展，基于数字图像分割的煤粒形态检测方法已成为获取煤颗粒粒度

分布特征的主流方法。在数字图像分割过程中，全局信息和边缘细节起着关键作用，直接影响分

割结果的准确性。基于卷积神经网络架构的U型网络过于注重局部信息，忽视了全局信息的重要

性，容易导致过分割现象。而基于Transformer的网络利用多头自注意力机制有效地建模了全局信

息，但却没有充分利用边缘细节特征，导致煤颗粒漏分割问题。为了解决上述问题，本研究提出

了迭代压缩U型网络(IterativeSqueezeUNet,ISUNet)用于煤颗粒粒度分析。ISUNet模型引入了压

缩激励空洞空间金字塔池化模块和基于Transformer的多路迭代编码器。压缩激励空洞空间金字塔

池化模块通过增强不同尺度特征的通道信息和全局上下文信息，解决了煤粒过分割问题。编码器

中的多头自注意力模块将ResNet50的卷积特征作为其中一个输入，通过点乘自注意力机制不断强

化重要的边缘细节特征，解决了煤粒漏分割问题。与5种经典图像分割模型和4种目前主流的分

割模型相比，ISUNet表现出色。相较于经典的分割模型TransUNet来说，平均交并比提高了6.6%，

准确率提高了0.3%，召回率提高了7.0%，相较于目前主流的图像分割大模型SegmentAnything来

说，平均交并比提高了4.6%，准确率提高了0.2%，召回率提高了4.9%。在煤粒粒度测量方面，

准确率达到了97.49%。这些试验结果充分证实了ISUNet在煤粒粒度分析中的有效性和优越性。

关键词：煤粒粒度分析；图像分割；基于Transformer的多路迭代编码器；压缩激励空洞空间金字塔池

化；U型网络

中图分类号：TD712.7;TP183;TP391.41文献标志码：A文章编号：0253−9993(2025)02−1362−14

SegmentationandparticlesizeanalysisofcoalparticlesbasedonISUNet

1131121

CHENGDeqiang,ZHANGRui,XIETongxi,LIUJingjing,ZHENGLijuan,KOUQiqi,JIANGHe

(1.SchoolofInformationandCont