基于深度学习的TBM密集岩碴片图像分割

摘要

针对全断面隧道掘进机的传送带上岩碴片重叠造成的图像分割不准确问题,提出一种基于深度学习的密集岩碴片图像分割方法。该方法将原图像做预处理,标注并制作岩碴片图像数据集;改进U-Net模型的结构,通过深度监督以及新的混合损失函数优化模型学习分割表示的能力;训练改进后的模型分割图像,利用OpenCV获取面积与长、短轴等参数;与最大类间方差法、分水岭分割及传统U-Net模型进行比较,结果表明:所提出岩碴片图像分割的方法在准确率、F_(1 score)、重叠度指标上分别为96.21%、94.66%和90.04%,预测单张图片耗时1.47 s,证明了所提出方法的准确性和有效性。