近日，我院機器視覺與智能裝備團隊聯合中國科學院上海高等研究院吳波教授、香港中文大學電子工程系任洪亮教授，在礦石粒度檢測分割方面取得新進展，相關研究論文“An Efficient MLP-based Point-guided Segmentation Network for Ore Images with Ambiguous Boundary”于自動化TOP期刊《IEEE Transactions on Industrial Informatics》在線發表。該論文第一完成單位為77779193永利官网，孫國棟教授為第一作者，碩士生彭雨婷為第二作者，張楊副教授為通訊作者。
礦石粒度信息是判斷礦山開采上遊環節機械性能好壞的關鍵。而選礦生産場地環境複雜，采集的礦石圖像存在石頭堆積、幹濕混合導緻的礦石粘附以及光照條件的變化的問題，極大的影響礦石邊緣的識别與處理。該文以邊緣點匹配為核心，引導預測點匹配實例點，以實現清晰的對象邊界。文中的方法平衡了局部信息與全局信息，并進行了廣泛的實驗來驗證該方法的有效性。
結果表明，該方法實現了超過27幀每秒的顯著處理速度，模型大小隻有73 MB。此外，此方法準确性高，與目前可用的SOTA方法相比，取得了精度與速度的平衡。
該項工作助力推動國家能源行業的智能化發展，研究工作得到礦冶過程智能優化制造全國重點實驗室（BGRIMM-KZSKL-2023-11），國家自然科學基金（51775177）的資助。
原文：Guodong Sun, Yuting Peng, Le Cheng, Mengya Xu, An Wang, Bo Wu, Hongliang Ren, and Yang Zhang. An Efficient MLP-Based Point-Guided Segmentation Network for Ore Images with Ambiguous Boundary. IEEE Transactions on Industrial Informatics, 2024, PP: 1-11.
原文鍊接：https://doi.org/10.1109/TII.2024.3379670
