基于改進(jìn)U-Net的干式磁選礦帶圖像分割

摘要： 為解決干式磁選過(guò)程中礦帶不確定性問(wèn)題，采用機(jī)器視覺(jué)技術(shù)，提出一種基于改進(jìn)U-Net模型的圖像分割方法。該模型利用CBAM注意力模塊，提高網(wǎng)絡(luò)對(duì)目標(biāo)區(qū)域的識(shí)別和關(guān)注能力，有助于實(shí)現(xiàn)復(fù)雜背景下目標(biāo)物體的圖像分割；采用深度可分離卷積，降低計(jì)算復(fù)雜度的同時(shí)兼顧精度，為獲取分辨率較高的礦帶圖像提供有力支持，從而適應(yīng)磁選場(chǎng)景，改善網(wǎng)絡(luò)性能。該模型分割精度為92.28%,輪廓提取完整性和去噪... （共5頁(yè)）