基于YOLOv8-seg的岩心CT图像颗粒目标提取算法

摘要

由于岩心CT图像噪点多、亮度不均、对比度低，颗粒之间高度粘连，导致难以直接对颗粒进行提取分析.针对这一问题，本文提出一种基于YOLOv8-seg的岩心CT图像颗粒目标提取改进算法.基于YOLOv8-seg的骨干架构，结合多头自注意力（Multi-Head Self Attention，简称MHSA）的思想，将CBAM和BoTNet两部分融合为一个全新的多头处理模块CBoTNet，实现通道和空间全局多头注意力机制，加强了特征提取的能力；使用Wise-IoU替换边界框回归损失函数CIoU，有效减少了由低质量样本产生的有害梯度，进一步提高了模型精度.在自制岩心CT序列颗粒图像数据集中，相较于原始YOLOv8-seg算法，mAP50精度提高了1.30%,mAP50:95提高了7.81%.实验结果证明，与其他实例分割网络相比，该算法能较为准确地提取岩心颗粒，并解决颗粒之间的粘连，具有较好的精确度和稳定性.

关键词

YOLOv8-seg / 岩心CT图像 / 颗粒目标提取