由于不同类型磨损颗粒的尺寸形貌差异大，受限于显微镜小景深，厚薄不同的磨粒在 1 幅图像上可能会离焦模糊，导致磨粒的误检与漏检，针对此问题，本文中提出了磨粒序列图像逐层递进式识别算法。首先，通过引入空间与通道注意力模块(Convolutional block attention module,CBAM)、变差级联头部结构与融合深/浅层特征的分割分支，构建单幅磨粒图像实例分割模型 WearIS，以识别图像中的清晰磨粒；其次，依据相邻两帧图像间磨粒重叠交并比和置信度等指标设计磨粒逐层递进式识别算法，对识别结果进行逐帧关联修正，最终识别图像中所有磨粒。对比试验结果表明，该算法在磨粒序列图像测试集上的检测和分割精度均值(AP50)分别为 82.67%和 80.92%，平均交并比(mIoU)为 75.64%，平均运行时间为每帧 1.07 s，相较单幅磨粒图像分析方法，该算法取得了更好的磨粒识别效果，提升了识别结果的置信度，且有效降低了异常磨粒漏检与误检的概率。

全文下载：1种新的磨粒序列图像逐层递进式识别算法.pdf