Wyniki wyszukiwania - Biblioteka Nauki

Ten serwis zostanie wyłączony 2025-02-11.

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

1 2024

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: cząstka rudy

Sortuj według:

Ogranicz wyniki do:

Improved Pix2PixGAN water-bearing ore reflection image restoration method

100%

Luo H. , Zeng Q. , Luo X. , Hu Z.

Gospodarka Surowcami Mineralnymi

2024

tom T. 40, z. 4

131--146

At the ore crushing site, the crushed ore must be washed to remove sediment, and the washing step puts the detected ore in a watery environment, resulting in the presence of reflective areas in the image of watery ore particles. Aiming at the problem of mis-segmentation of ore images due to the masking of ore feature information by the reflective area, an improved Pix2PixGAN model is proposed to solve the problem of removing water and repairing the reflective area in watery ore images. The ResNet network with good stability is used to comprehensively extract the features of watery ore images, improve the stability of network training, introduce the structural similarity loss function, and update the network parameters by minimising the structural similarity loss value to reduce the structural differences between the reconstructed image and the real image. The experimental results show that the improved Pix2PixGAN model compares with the Pix2PixGAN and CycleGAN models; the watery ore image removes the water image reflection restoration better and, at the same time, improves the structural edge clarity of the generated dry ore particle image. The PSNR and SSIM evaluation metrics are improved by 8.8 and 1.28%, respectively, further verifying the effectiveness of the improved algorithm. This innovative approach provides a feasible solution for image processing at the ore-crushing site. It is of great significance for the subsequent enhancement of image recognition, segmentation, and reduction of misjudgment.

W miejscu kruszenia rudy rozdrobniona ruda musi zostać wypłukana w celu usunięcia osadu, a etap płukania umieszcza wykrytą rudę w środowisku wodnym, co powoduje obecność obszarów odblaskowych na obrazie cząstek rudy wodnej. Mając na celu rozwiązanie problemu błędnej segmentacji obrazów rudy z powodu maskowania informacji o cechach rudy przez obszar odblaskowy, zaproponowano ulepszony model Pix2PixGAN w celu rozwiązania problemu usuwania wody i naprawy obszaru odblaskowego na obrazach rudy wodnej. Sieć ResNet o dobrej stabilności jest używana do kompleksowego wyodrębniania cech obrazów rudy wodnej, poprawy stabilności treningu sieci, wprowadzenia funkcji utraty podobieństwa strukturalnego i aktualizacji parametrów sieci poprzez minimalizację wartości utraty podobieństwa strukturalnego w celu zmniejszenia różnic strukturalnych między zrekonstruowanym obrazem a obrazem rzeczywistym. Wyniki eksperymentów pokazują, że ulepszony model Pix2PixGAN wypada lepiej w porównaniu z modelami Pix2PixGAN i Cycle-GAN; obraz rudy wodnistej lepiej usuwa odtworzenie odbicia obrazu wody i jednocześnie poprawia wyrazistość krawędzi strukturalnych wygenerowanego obrazu suchych cząstek rudy. Wskaźniki oceny PSNR i SSIM poprawiły się odpowiednio o 8,8 i 1,28%, co dodatkowo potwierdza skuteczność ulepszonego algorytmu. To innowacyjne podejście zapewnia wykonalne rozwiązanie do przetwarzania obrazu w miejscu kruszenia rudy i ma duże znaczenie dla późniejszej poprawy rozpoznawania obrazu, segmentacji i redukcji błędnej oceny.