仪器仪表学报

作者：吕瑞宏，李大玮，沈红博

单位：吕瑞宏,沈阳工业大学信息科学与工程学院沈阳110870,13940303171@ 163.com,李大玮,沈阳工业大学信息科学与工程学院沈阳110870,1923300401@qq.com,沈红博,沈阳工业大学信息科学与工程学院沈阳110870,

关键词：煤矸石识别;Res-Unet;ELA;CT图像;元素成分分析

针对常规煤矸石图像在纹理颜色上区别不大，易受灰尘等噪声干扰，难以通过常规图像得到煤矸石内部结构关键信息以及元素分布占比的问题，构建了可以深入分析煤矸石内部结构的高分辨率成像和抗干扰能力强的煤矸CT图像数据集。并基于深度学习算法对煤矸石常规图像分类识别精度不高的问题，提出了一种基于CT图像的煤矸元素成分分析算法。本算法运用改进的Res-Unet语义分割模型，对CT图像元素区域进行分割，并对其元素区域的占比进行分析，从而实现煤矸石的有效分类识别。算法设计上在Res-Unet编码器中集成高效局部注意力（ELA）模块，使模型更加关注关键信息，同时改进Res-Unet模型的跳跃连接方式来融合不同尺度的信息，有效提升模型的分割性能，确保模型对煤矸石CT图像不同元素区域的精确划分。实验结果表明，改进后的Res-Unet模型对元素区域进行了有效的分割，改进模型元素区域分割mIOU达到了84.48%，通过计算元素区域的占比对煤矸CT图像进行最终的分类，改进模型的煤矸CT图像分类准确率达到94.4%，超过了其他模型的分类准确率，结果表明了基于CT图像的煤矸元素成分分析算法的有效性。基于CT图像的煤矸元素成分分析算法为煤矸石图像分类提供了新的视角和方法，为工厂智能分类抓取煤炭提供了技术支持，推动煤炭行业的智能化和自动化发展进程。

来源：2025年第3期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第3期