基于DA-Attention U-Net编码-解码结构的浮选矿浆相气泡图像分割

作     者：徐宏祥 李神舟 徐培培 XU Hongxiang;LI Shenzhou;XU Peipei

作者机构：中国矿业大学(北京)化学与环境工程学院北京100083 北矿机电科技责任有限公司北京100160 矿冶科技集团有限公司北京100160 

出 版 物：《有色金属（选矿部分）》 (Nonferrous Metals（Mineral Processing Section）)

年 卷 期：2024年第6期

页      面：106-115,131页

学科分类：081902[工学-矿物加工工程] 0819[工学-矿业工程] 08[工学] 

基　　金：国家重点研发计划项目(20212902702) 

主　　题：浮选矿浆相气泡 语义分割 密集连接机制 注意力集中机制 浮选过程智能控制 

摘      要：浮选矿浆相气泡图像是采集自浮选槽内部矿浆溶液中的图像数据,与浮选泡沫相图像数据相比视觉特征显著不同。针对使用特殊设备从浮选槽矿浆溶液中原位采集的气泡图像数据,提出了一种基于DA-Attention U-Net编码-解码结构的气泡分割模型。模型以U-Net为基础,引入CBAM模块并依据Residual残差连接思想改进模块结构,使模型同时具有通道注意力和空间注意力的优点,给予包含气泡的前景区域更大权重,减少因下采样次数多导致的信息丢失;引入ASPP模块并基于Dense密集连接思想进行改进,从多尺度提取气泡特征及整合前后特征层信息;并在完成气泡分割的基础上使用热力图与显著图对分割结果进行分析。研究结果表明,与原始U-Net相比,所提模型对气泡图像分割效果更优,训练损失、Dice系数降低了0.416、0.2,分别达到了0.015、0.12,MIoU精度值、F1_Score值提升了0.331、0.229,分别达到了0.952、0.985,并通过消融试验验证了各模块有效性。该模型对气泡图像的精确分割,可为后续提取气泡特征奠定基础,对于未来将矿浆相气泡特征信息用于浮选过程智能控制,具有重要意义。