煤炭工程

作者：石宇含,董良,薛舸航,等

单位：1. 中国矿业大学 煤炭加工与高效洁净利用教育部重点实验室，江苏 徐州 2210002. 中国矿业大学 化工学院，江苏 徐州 2210003. 国能榆林能源有限责任公司，陕西 榆林 719000

关键词：多尺度特征 , Segformer模型 , 煤炭颗粒 ,CT图像 , 智能化分选,

机器视觉在煤炭加工分选领域得到了广泛的运用，然而在图像分割时，仍存在多尺度特征煤炭颗粒CT图像中背景与前景的分离难题，以及因颗粒尺寸不一致而导致的分割挑战。为了解决上述问题，提出了一种基于改进ECA-Segformer模型的煤炭颗粒CT图像语义分割方法。针对颗粒多尺度分布不均易发生的漏检现象，模型引入了ECA-Net注意力机制，有效增强网络的表征能力，旨在提高分割精度。此外，采用Squared ReLU激活函数更好地捕捉前景与背景的不同特征，以提高煤炭颗粒CT图像的分割效率。基于自建煤炭颗粒的CT数据集开展实验，实验结果表明，基于改进的Segformer模型综合检测能力最优，平均交并比达87.78%，平均像素精度达到93.44%，准确率高达93.46%，相较于基础Segformer网络分别提升了2.12、1.30、0.58百分点。针对分割后的数据分析能够研究煤炭颗粒的粒度分布统计，这对煤炭高效智能化分选具有重要意义。

来源：2025年第7期

《煤炭工程》期刊编辑部

查看煤炭工程杂志2025年第7期