基于SC-TransUnet语义分割模型的焦炭基质提取

摘要

焦炭基质的准确提取对于焦炭质量分析至关重要。针对焦炭基质结构复杂、边界不清晰以及显微图像含有白色光晕等问题，提出了一种基于SC-TransUnet语义分割模型的焦炭基质提取方法，模型通过CNN-Transformer混合结构进行高级语义信息提取，增强对焦炭基质不规则结构的表征能力，通过多种注意力机制融合增强对焦炭复杂纹理特征的感知能力。与目前主流的分割模型相比，所设计的模型在焦炭基质提取中取得了更好的分割效果。试验证明该模型的A_cc、M_iu和F_1s分别达94.75%、89.96%和95.23%,可为焦炭基质自动提取提供一种可靠且高效的解决方案。

关键词

焦炭基质提取 / 语义分割 / SC-TransUnet / 焦炭显微图像 / CNN-Transformer / 注意力机制