高变质煤HRTEM图像中芳香晶格条纹的MASK R-CNN识别

• Published in: 煤炭学报 Vol. 46; no. 2; pp. 591 - 601
• Main Authors: 王绍清, 常方哲, 陈昊, 王小令, 李雪琦
• Format: Journal Article
• Language: Chinese
• Published: 中国矿业大学(北京)地球科学与测绘工程学院,北京 100083 01.02.2021
• Subjects: 芳香晶格条纹; 煤; MASK R-CNN; 高分辨率透射电子显微镜; 深度学习
• ISSN: 0253-9993
• DOI: 10.13225/j.cnki.jccs.XR20.1873

TQ533; 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.