基于改进PSPnet-MobileNetV2的煤岩界面快速精准识别

• Published in: 振动、测试与诊断 Vol. 44; no. 4; pp. 793 - 800
• Main Authors: 王海舰, 刘丽丽, 赵雪梅, 张强
• Format: Journal Article
• Language: Chinese
• Published: 桂林电子科技大学机电工程学院 桂林,541004%桂林电子科技大学电子工程与自动化学院 桂林,541004%山东科技大学机械电子工程学院 青岛,266590 01.08.2024
• Subjects: 煤岩识别; 主动红外激励; MobileNetV2; 注意力机制模块; pyramid scene parsing network(PSPnet); Mo-bileNetV2; convolutional block attention module; 金字塔场景解析网络(PSPnet); coal rock identification; active infrared excitation
• ISSN: 1004-6801
• DOI: 10.16450/j.cnki.issn.1004-6801.2024.04.023

TD823%TH744; 针对短时间主动热激励作用下煤岩介质表征差异不明显,不易快速、准确识别煤岩界面的难题,提出一种基于改进金字塔场景解析网络(pyramid scene parsing network,简称PSPnet)模型-MobileNetV2的煤岩界面快速精准识别方法.通过搭建煤岩主动红外试验平台,采集并获取短时主动热激励作用下的煤岩界面红外热图像,构建了煤岩红外图像数据集;对传统PSPnet模型进行改进,采用轻量级网络模型MobileNetV2作为主干网络提取特征,大幅降低了网络模型所占内存和训练时间,同时将注意力机制模块(convolutional block attention module,简称CBAM)与金字塔场景解析(pyramid scene parsing,简称PSP)模块的上采样特征层和PSPnet网络模型的浅层特征层进行融合,有效提升模型对特征的细化能力.试验结果表明:基于改进的PSPnet-MobileNetV2网络模型所占内存仅为9.12 MB,较原始PSPnet模型减少了94.88%;煤和岩的交并比为96.52%和96.87%,分别提升了8.29%和7.7%;像素准确度分别为97.25%和99.15%,较原始网络模型分别提升了7.32%和1.64%;测试时间降低了53.70%.该方法为煤岩界面的快速和预先精准识别提供了一种有效技术手段.