高变质煤HRTEM图像中芳香晶格条纹的MASK R-CNN识别

来源期刊：煤炭学报2021年第2期

论文作者：王绍清 常方哲 陈昊 王小令 李雪琦

文章页码：591 - 601

关键词：高分辨率透射电子显微镜;芳香晶格条纹;深度学习;煤;MASK R-CNN;

摘    要：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。