近日，中国矿大智能检测与模式识别研究中心负责人、中国矿业大学信息与控制工程学院党委书记程德强教授课题组在图像处理领域取得研究进展，研究成果形成论文“基于迭代压缩U型网络的煤颗粒分割与粒度分析方法 ”，以中国矿业大学为第一单位、程德强教授为第一作者，被EI检索的《煤炭学报》正式录用。
煤中甲烷气体传播与煤粒的粒度分布特征紧密相连，进而影响煤炭的安全开采和利用。随着数字图像处理技术的不断发展，基于数字图像分割的煤粒形态检测方法已成为获取煤颗粒粒度分布特征的主流方法。在数字图像分割过程中，全局信息和边缘细节起着关键作用，直接影响分割结果的准确性。基于卷积神经网络架构的U型网络过于注重局部信息，忽视了全局信息的重要性，容易导致过分割现象。而基于Transformer的网络利用多头自注意力机制有效地建模了全局信息，但却没有充分利用边缘细节特征，导致煤颗粒漏分割问题。
为了解决上述问题，本研究提出了迭代压缩U型网络(Iterative Squeeze UNet, ISUNet)用于煤颗粒粒度分析。ISUNet模型引入了压缩激励空洞空间金字塔池化模块和基于Transformer的多路迭代编码器。压缩激励空洞空间金字塔池化模块通过增强不同尺度特征的通道信息和全局上下文信息，解决了煤粒过分割问题。编码器中的多头自注意力模块将ResNet50的卷积特征作为其中一个输入，通过点乘自注意力机制不断强化重要的边缘细节特征，解决了煤粒漏分割问题。与五种经典图像分割模型和四种目前主流的分割模型相比，ISUNet表现出色。在煤粒粒度测量方面，准确率达到了97.49%，充分证实了ISUNet在煤粒粒度分析中的有效性和优越性。
图1 迭代压缩U型网络(ISUNet)模型结构
（1）设计了压缩激励空洞空间金字塔池化模块来替代传统的跳跃连接，该模块融合了空洞卷积金字塔池化模块和压缩激励注意力模块。通过并行处理不同分辨率的特征图，并结合特征融合机制。这样可以使模型同时关注图像的局部细节和全局上下文信息，更好地理解图像的整体特征，从而解决煤粒过分割问题。
（2）设计的基于Transformer的多路迭代编码器以经过图像编码和语义嵌入后的输出特征与上一层Transformer的输出作为输入。通过点乘自注意力机制计算特征向量之间的相似度，以此来衡量它们之间的相关性，并据此重新对特征信息分配权重。这样可以使边缘细节特征得到强化，模型能够更好地捕捉图像中的局部信息，因而解决了煤粒漏分割问题。
（3）基于SEASPP模块和MIET编码器，成功构建了迭代压缩U型网络煤粒分割模型，实现了对煤粒边缘轮廓精准分割。本研究采用等效圆粒径的方法对分割到的煤粒提取煤粒特征，进一步获得更准确的煤粒粒度分布信息。
煤炭工业生产和能源利用在全球经济中扮演着至关重要的角色。然而，瓦斯爆炸事故是该行业面临的一大安全挑战。造成瓦斯爆炸的一个关键因素是甲烷气体的传播。而煤粒粒度特征直接影响甲烷气体的扩散和积聚，进而对甲烷气体的传播造成影响。在甲烷吸附、分散、排放过程中，不同粒径级别的煤粒展现出明显的差异，这些差异对于理解和预测煤矿内的甲烷动态至关重要。此外，煤粒粒度的研究还为煤炭运输、煤层气的高效储运等领域提供了参考和指导。主要应用价值包括：
（1）提高安全性：通过深入研究煤粒粒度特征及其对甲烷气体传播的影响，可以有效降低瓦斯爆炸事故的发生频率，提升煤矿的安全管理水平。这将为煤炭工业的可持续发展提供保障。
（2）精确度与可靠性：基于迭代压缩U型网络分割模型能够从复杂的图像中提取特征，准确识别不同粒径的煤粒。这种高精度的测量方法可以提高煤炭质量控制的可靠性，帮助企业在生产过程中更好地监控煤粒的尺寸分布，从而优化生产工艺。
（3）优化煤炭利用效率：通过煤粒粒径测量，了解不同粒径煤粒在甲烷吸附、分散和排放过程中的表现，有助于优化煤炭的运输和储运方式，从而提高资源利用效率，减少资源浪费，推动煤炭行业的经济效益。
[1]程德强,张瑞,谢同喜,等.基于迭代压缩U型网络的煤颗粒分割与粒度分析方法[J/OL].煤炭学报,1-13[2024-11-28].https://doi.org/10.13225/j.cnki.jccs.2024.0544.
点击“阅读原文”获取论文下载链接
@打造矿业科技综合服务平台www.intelmining2018.com
❖免责声明：所载内容来源网络、微信公众号等公开渠道，转载稿件版权归原作者、机构所有，转载仅供参考、交流等非商业目的，如有侵权，请联系我们删除。
