来源：期刊VIP网 时间：
作者：刘学彬;钟宝荣;
单位：长江大学计算机科学学院;
摘要：针对传统方法在复杂的岩屑岩性判断方面存在效率低下和精度不足的问题，提出一种基于改进YOLOv8算法的模型，有效提升了钻井岩屑的实例分割效率和精度。文中提出一种分组聚焦下采样替换部分常规下采样的方法，减少了模型的计算复杂度，同时保持精度。此外，重新设计的部分耦合分割头显著降低了参数量，增强了模型的轻量性。特征融合层中融入的窗口注意力机制，进一步提升了岩屑特征的捕捉能力和模型整体性能。经实验验证，Rock-YOLO模型在岩屑样本数据集上的平均精度均值达到87.6%，比原模型提高了3.9%；模型的参数量减少了29.1%，仅为8.3×10~6，计算量也降低至3.5×10~(10)，减少了17.5%。这些改进满足了现场快速响应的需求，同时保证了分析的精确度，使得该模型非常适合实际的岩性判断工作。轻量化与高精度的结合，为地质领域的深度学习应用提供了新的可能。
关键词：实例分割;;YOLOv8;;轻量化;;岩性判断;;移动设备;;部分卷积
基金资助：国家自然科学基金项目（62006028）;; 湖北省自然科学基金项目（2023AFB909）
