基于改进I-Attention U-Net的锌浮选泡沫图像分割算法

针对泡沫图像的高度复杂性导致其难以被准确分割的难题，本文提出了一种新的I-Attention U-Net网络用于泡沫图像分割.该算法以U-Net网络作为主干网络，使用Inception模块替换第一卷积池化层来提取泡沫图像的多尺度、多层次浅层特征信息；引入金字塔池化模块，通过对不同尺度的特征图求和来提升分割效果；并对自注意力门控单元进行改进，使注意力单元更适合于浮选泡沫图像的分割，强化深层特征的重要性并对不同尺寸的泡沫边界进行强化学习.研究结果表明：本文所提出算法的Jaccard系数为91.73%，Dice系数为95.66%.与同类其他分割算法结果相比，Jaccard系数及Dice系数分别提高了1.59%、0.88%.该模型能够较好地对锌浮选泡沫图像进行分割，解决欠分割与过分割的问题，为后续的泡沫特征提取奠定基础.此外，该方法检测时间和模型参数少，具备可以部署在工业现场计算机的能力，有一定的实际应用价值.

Froth Image Segmentation Algorithm Based on Improved I-Attention U-Net for Zinc Flotation