来源：期刊VIP网 时间：
作者：白虎;刘汉烨;李云瑞;刘传星;
单位：榆林学院信息工程学院;
摘要：在实际生产场景中，煤炭颗粒不规则的几何形态和复杂的空间分布不仅影响分割精度，也使得人工标注分割掩码极为不便，难以适用于大规模工业场景。针对该问题，提出了一种针对煤炭颗粒图像的双阶段自适应分割框架DASeg。该框架由DS-YOLO目标检测模型、自适应边界框校正（ABR）模块和SAM2图像分割模型组成。DS-YOLO模型在YOLOv11颈部网络中引入动态上采样模块DySample和空间与通道协同注意力（SCSA）模块，有效提高了目标检测精度。针对DS-YOLO生成的检测框难以贴合实际煤粒边界的问题，设计了ABR模块，ABR模块根据加权系数对原始检测框与掩码外接框进行加权融合，生成更准确的提示框。将修正后的坐标信息作为SAM2模型的提示输入，利用SAM2提取全局与局部特征，并融合提示区域信息生成目标掩膜，实现煤粒分割。实验结果表明，DASeg分割框架在煤炭颗粒图像分割任务中表现优异，其中像素准确率（PA）达到93.1%，平均交并比（mIoU）为88.4%，平均Dice系数（mDice）为93.4%。
关键词：煤炭颗粒图像分割;;目标检测;;YOLOv11;;自适应边界框校正;;图像分割;;SAM2
基金资助：陕西省科技厅重点研发计划项目（S2023-YF-YBSF-0889）;; 榆林市产学研项目（2023-CXY128）;; 榆林市科技之光——中青年领军创新人才项目（2023KJZG06）;; 榆林学院高层次人才科研启动基金项目（2023GK82）
