期刊订阅
广告服务
  • 中文
    EN
  • ISSN:0253-9993
  • CN: 11-2190/TD

《煤炭学报》

当前位置:首页 > 论文管理 > 高变质煤HRTEM图像中芳香晶格条纹的MASK R-CNN识别

高变质煤HRTEM图像中芳香晶格条纹的MASK R-CNN识别

作者(Author):

  • 王绍清
  • 常方哲
  • 陈昊
  • 王小令
  • 李雪琦

作者单位:

  • 中国矿业大学(北京) 地球科学与测绘工程学院

关键词:

  • 高分辨率透射电子显微镜
  • 芳香晶格条纹
  • 深度学习
  • MASK R-CNN
  • 摘要
  • 论文图表
  • 相关文章
  • 引用格式

近年来,人工智能的兴起推动了我国煤炭行业在绿色环保、智能生产等方面的发展。针对芳香晶格条纹识别过程中存在的解译慢、周期长和误判率高等问题,提出了一种基于MASK R-CNN的智能提取方法。该智能提取方法通过调整特征参数和优化网络结构,对条纹特征的识别算法进行改进:① 跳过前期预处理过程,以端到端的模式进行芳香晶格条纹的特征提取训练,实现从原始HRTEM中自动识别芳香晶格条纹的功能;② 突破常规神经网络提取目标物外轮廓的思维桎梏,实现对线要素的快速准确分割。以人工解译结果为标准,通过智能提取结果和传统提取结果在精度评价、识别效果和参数提取等方面的对比,验证该智能提取方法的有效性。结果表明,在识别精度方面,智能提取方法的准确率、精准率、召回率和交并比的数值为91.2%,85.2%,83.4%和72.9%,分别高于传统提取方法的89.9%,62.1%,75.4%和51.6%;在识别效果方面,智能提取方法对细节的处理更加智能,提取的线条连贯性和平滑性更好,同时噪音更少;在长度和取向等参数的统计分析方面,智能提取结果与人工解译结果在取向和长度分布图上的匹配度更高。综上所述,该智能提取方法通过MASK R-CNN进行芳香晶格条纹的自动识别,降低工作成本,提高工作效率,为煤大分子结构研究提供更快捷可靠的数据支持。

王绍清,常方哲,陈昊,等.高变质煤HRTEM图像中芳香晶格条纹的MASK R-CNN识别[J].煤炭学报,2021,46(2):591-601. WANG Shaoqing,CHANG Fangzhe,CHEN Hao,et al.MASK R CNN identification of aromatic lattice fringes in HRTEM images of high metamorphic coal[J].Journal of China Coal Society,2021,46(2):591-601.
  • 地址:北京市朝阳区和平街13区煤炭大厦

  • 邮编:100013

  • 编辑部电话:(010)87986411

  • 传真:(010)84262114