基于改进Mask R-CNN的露天矿边坡裂隙智能检测算法

2023年第2期

作者：景莹、阮顺领、卢才武、刘丹洋、顾清华。

为了防止露天矿边坡因表面恶化而产生节理、裂隙或断裂等破坏边坡完整性而引发的安全事故，同时解决传统图像处理算法和经典深度学习模型在检测露天矿边坡裂隙方面效果不理想的问题，我们提出了一种基于改进MaskR-CNN的露天矿边坡裂隙智能检测算法。我们利用MaskR-CNN在目标检测、语义分割和目标定位方面的集成性特点，改进了其在掩膜分支的边缘不清晰和误检等缺点，构建了一种针对露天矿边坡裂隙图像的检测分割框架。在掩膜分割分支中，我们引入了空洞卷积神经网络和分类分割迭代上采样操作，以解决边坡裂隙分割边缘粗糙的问题。实验结果表明，与传统的裂隙分割算法相比，该算法具有更高的识别精度和更好的分割效果。