.png){kind=icon}
返回
Segment anything model-based method for precise froth size determination in flotation process
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ces.2025.121657.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
浮选过程的自动控制依赖于浮沫图像的指示性信息，如纹理、流速、形状和浮沫尺寸分布。传统图像分割方法在处理矿物颜色、分辨率和对比度变化时，常产生误差且缺乏鲁棒性。深度学习方法虽然有效，但需要大量标注数据和较高的训练成本。本文介绍了一种高精度浮沫图像分割算法，利用Segment Anything Model（SAM）视觉基础模型进行浮选浮沫图像分析。在三个多样化的矿物图像数据集上与手动分割进行对比评估，该方法在不需训练或微调SAM的情况下，实现了超过90%的分割精度，显著减少了劳动密集型数据标注的需求并降低了应用成本。所提出的方法为采矿行业中的浮沫图像分割提供了更高效、更具成本效益的解决方案，增强了自动化和工艺优化。
Keyword:
Flotation froth
Image segmentation
Deep learning
Segment anything model
期刊
IF:
4.3
论文数:
2.3W
被引数:
5.5W
机构
引用论文
A watershed segmentation algorithm based on an optimal marker for bubble size measurement.png)
MEASUREMENT
MEASUREMENTIF5.6
PREAI
分享收藏An image processing algorithm for measurement of flotation froth bubble size and shape distributions
PREAI
分享收藏
查看更多内容