Scidown文献预览系统!
通过深度学习方法来估计岩屑的大小和形状,自动分割TBM淤泥图像( Automatic segmentation of TBM muck images via a deep-learning approach to estimate the size and shape of rock chips )
X Zhou Q Gong Y Liu L Yin
实时的渣土分析对于辅助掘进机进行智能掘进具有重要意义。典型的渣土图像具有对比度低、外观差异大、目标重叠等特点,给图像分割带来了很大的挑战。本研究提出了一种基于深度学习的多尺度输入侧输出双UNet(MSD-UNet)和后处理算法,解决了渣土图像的自动分割和岩屑大小和形状估计问题。MSD-UNet采用双解码器的对偶结构,在统一的网络中划分岩石芯片的区域和边界,通过引入边界信息解决岩石芯片的重叠问题。它还集成了多尺度输入和侧向输出,分别增强低层图像特征和监督网络早期层的训练。提出了一种基于广义骰子损失的综合损失函数,以解决类不平衡问题。在后处理过程中,采用多半径侵蚀和种子填充算法进一步分离连接芯片。为了评价该方法的有效性,建立了一个包含TBM施工现场各种渣土图像的数据集,并对MSD-UNet进行了训练和测试。实验结果表明,该方法的分割效果优于U-Net和其他类似的传统分割方法。在区域任务和边界任务上,其F1得分分别为0.867和0.640,在岩屑情况下,平均Hausdorff距离为3.59mm。该方法可在4s内处理一幅2048×2048的图像,基本满足TBM渣土图像实时分析的要求。
『Sci-Hub|Scidown』怎么用?来看看教程吧!

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献(暂时关闭)


安卓手机、电脑用户,您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!(注意是文献的DOI号)


苹果手机用户,您需要先在App Store里搜索并下载 Documents by Readdle 这个APP,在APP首页,左划右下角的指南针图标打开APP内置浏览器,在浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!


如出现BUG?赶快加入【Scidown互助交流群】反馈吧:729083885【点击一键加群】