基于双层路由注意力机制的煤粒粒度定量分析.pdfVIP

第50卷第2期工矿自动化Vol.50No.2

2024年2月JournalofMineAutomationFeb.2024

文章编号：1671-251X(2024)02-0009-09DOI:10.13272/j.issn.1671-251x.2023100002

基于双层路由注意力机制的煤粒粒度定量分析

程德强，郑丽娟，刘敬敬，寇旗旗²，江鹤1

221000;

（1.中国矿业大学信息与控制工程学院，江苏徐州

2.中国矿业大学计算机科学与技术学院，江苏徐州

221000)

摘要：煤粒粒度分布特征与煤中甲烷气体传播规律的分析密切相关。目前，基于图像分割的煤粒粒度分析方

法已成为获取煤粒粒度的主流方案之一，但存在上下文信息丢失、煤粒特征融合不当造成煤粒漏分割和过分割等

问题。针对上述问题，设计了一种基于双层路由注意力机制(BRA)的煤粒粒度分析模型。在残差U型网络

ResNet-UNet中嵌入BRA模块，得到B-ResUNet网络模型：为减少在煤粒分割过程中出现的漏分割问题，在

ResNet-UNet网络的上采样前添加BRA模块，使网络根据上一层的特征调整当前特征层的重要性，增强特征的

表达能力，提高长距离信息的传递能力；为减少在煤粒分割过程中出现的过分割问题，在ResNet-UNet网络的特

征拼接模块后添加BRA模块，通过动态选择和聚合重要特征，实现更有效的特征融合。对分割出的煤粒进行特

征信息提取，针对实验分析中采用的煤粒数据集的煤粒粒度与细胞大小相当，为精确表征煤粒粒度，采用等效圆

粒径获取煤粒粒度及粒度分布。实验结果表明：①B-ResUNet网络模型的准确率、平均交并比、召回率较

ResNet-UNet

B-ResUNet网络模型在煤样中具有较好的分割效果，能够检测出较为完整的颗粒结构。②在上采样前和特征拼

接后均引入BRA模块时，网络对煤粒的边缘区域给予了足够的关注，且对一些不太重要的区域减少了关注度，从

而提高了网络的计算效率。③煤粒的粒度大小在1～2mm内呈相对均衡的分布趋势，粒度在1～2mm内的煤

粒占比最大为99.04%，最小为90.59%，表明基于BRA的图像处理方法在粒度分析方面具有较高的准确性。

关键词：煤粒粒度；粒度分布；双层路由注意力机制；图像处理；残差U型网络；语义分割；等效圆粒径

中图分类号：TD391.41文献标志码：A

Quantitativeanalysisofcoalparticlesizebasedonbi-levelroutingattentionmechanism

CHENGDeqiang,ZHENGLijuan,LIUJingjing,KOUQiqi²,JIANGHel

(1.SchoolofInformationandControlEngineering,ChinaUniversityofMiningandTechnology,Xuzhou221000,

China;2.SchoolofComputerScienceTechnology,ChinaUniversityofMiningandTechnology,

Xuzhou221000,China)

Abstract:Thedistributionfeaturesofcoalparticlesizearecloselyrelatedtotheanalysisofmethanegas

propagationincoal.Atpresent,thecoal