近日，國際人工智能領域知名期刊《Engineering Applications of Artificial Intelligence》（2024年中科院一區，IF=8.0）發表了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在深度學習工程應用領域取得的最新成果，論文題目為"Efficient segmentation with texture in ore images based on box-supervised approach"。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，碩士生黃得龍為第二作者，張楊副教授為通訊作者。
礦石粒度檢測是采礦過程中的一項重要任務。異常粒度分布代表了采礦設備故障和采礦生産過程中的潛在安全問題。準确的圖像分割是獲得物體物理信息的基礎。本文提出了一種高效的融合紋理特征的框監督礦石實例分割方法。該方法結合紋理特征和顔色空間提升算法精度，并且隻需要框标注訓練就可以得到實例級的分割結果，識别完整和獨立的礦石。
該方法在21.6MB的模型大小下實現了每秒50幀以上的識别速度。同時，與最先進方法相比，該方法在骨幹網絡為MobileNetv3-small的情況下掩碼平均精度（iou=50）為47.7，檢測平均精度（iou=50）為67.8。
該項工作助力推動國家能源行業的智能化發展，研究工作得到國家自然科學基金（51775177）的資助。
原文：Sun G, Huang D, Peng Y, Chen L, Wu B, Zhang Y. Efficient segmentation with texture in ore images based on box-supervised approach[J]. Engineering Applications of Artificial Intelligence, 2024, 128: 107490.
原文鍊接：https://doi.org/10.1016/j.engappai.2023.107490
