控制理论与应用

作者：李鸿翔,王晓丽,阳春华,熊伟

单位：中南大学自动化学院,中南大学自动化学院,中南大学自动化学院,长沙矿冶研究院有限责任公司

关键词：生成对抗网络; 深度学习; 矿石图像分割

基金：国家自然科学基金项目(61673401), 国家自然科学基金基础科学中心项目(61988101)资助.

在选矿生产过程中, 磨机给矿粒度对磨矿分级效率影响重大, 是一个关键的控制参数. 由于矿石表面不规则、棱线较多, 同时存在矿石间堆叠的问题, 给基于图像的矿石粒度检测带来极大困难. 本文提出一种基于GAN–UNet的矿石图像分割方法, 针对矿石图像棱线易引起矿石边缘错误识别的问题, 采用生成对抗网络进行图像分割,将U–Net作为图像分割生成器网络, 使用人工标记的矿石边缘图像作为真实图像, 随后构建判别器网络以判断图像来源, 同时将判别器误差与生成器误差通过加权形式引入网络训练中, 直到判别器难以判断分割图像来源, 获得满足条件的生成器. 对实际工业生产矿石图像的分割结果表明, 本方法与U–Net网络相比提升了网络对矿石边缘的识别能力, 减小了图像分割误差, 对矿石区域的相对误差平均值降至8.20%.

来源：2021年第9期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2021年第9期