煤岩显微组分组的语义分割是采用图像技术对其显微组分组含量进行自动测定的重要前提。为了提高煤岩显微组分组识别的准确性，根据煤岩显微图像的特点，基于U-Net网络模型的架构，提出一种用于煤岩显微组分组语义分割的U型深度学习模型。首先，采用基于组混合注意力机制搭建的Transformer主干网络构建U型网络的编码器，并通过多个尺度特征的聚合及自注意力机制实现特征信息更全面的聚合，使模型对复杂图像中的结构信息更敏感。其次，在编码器末端级联空洞空间卷积池化金字塔模块，以在不降低特征图分辨率的前提下扩大感受野。最后，构建邻层减法模块以聚合不同尺度的编码器和解码器之间的差异特征，通过改进层级间信息聚合的方式，更有效地整合高层次的语义信息与低层次的细节信息，提供更丰富的特征表达，使模型在具有复杂结构的煤岩显微图像和多尺度目标的分割上具有更好的精度和鲁棒性。针对现有方法多数针对单一煤种或单一目标，构建了包含不同煤化程度的煤岩显微组分组语义分割数据集，采用该数据集训练所提语义分割模型，实现了适应于多种煤阶的煤岩显微组分组的多目标同时分割与解释，结果表明本文提出的网络其mDice系数可达93.39%，平均交并比(mIoU)为88.19%，像素准确率(PA)为96.50%，比U-Net原型网络分别提升了4.48%、7.32%和2.82%。将由模型计算所得煤岩显微组分组的数据与人工测定的结果间进行比较，极差小于4%的占比为95.3%，验证了本文所提的语义分割模型在煤岩组分组语义分割中的适应性与稳定性。

1语义分割模型的构建
1.1编码器
1.2 ASPP模块
1.3 解码器
2数据集构建
2.1数据标注
2.2数据增强
3实验与结果分析
3.1实验环境及参数
3.2评价指标
3.3结果与分析
3.3.1编码器选择的有效性验证
3.3.2消融实验
3.3.3不同模型结果比较
3.3.4显微组分组定量分析
4结论

王培珍,周峰,张克,等.一种U型煤岩显微组分组语义分割网络模型[J/OL].煤炭学报,1-10[2025-03-26].https://doi.org/10.13225/j.cnki.jccs.2024.1233.