第４６卷第２期重庆大学学报Ｖｏｌ．４６Ｎｏ．２２０２３年２月ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙＦｅｂ．２０２３ｄｏｉ：１０．１１８３５／ｊ．ｉｓｓｎ．１０００－５８２Ｘ．２０２１．２６９基于改进ＭａｓｋＲ－ＣＮＮ的露天矿边坡裂隙智能检测算法景莹ａ，阮顺领ｂ，ｃ，卢才武ｂ，ｃ，刘丹洋ｂ，顾清华ｂ，ｃ（西安建筑科技大学ａ．管理学院；ｂ．资源工程学院；ｃ．西安市智慧工业感知计算与决策重点实验室，西安７１００５５）收稿日期：２０２１－０８－１６网络出版日期：２０２１－１２－１３基金项目：国家自然科学基金面上项目（５１９７４２２３）；陕西省自然科学基础研究计划项目（２０１９ＪＭ－４９２）。ＳｕｐｐｏｒｔｅｄｂｙＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａ（５１９７４２２３）ａｎｄＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＳｈａａｎｘｉＰｒｏｖｉｎｃｅ（２０１９ＪＭ－４９２）．作者简介：景莹（１９９５—），女，博士研究生，主要从事图像相关数字矿山研究，（Ｅ－ｍａｉｌ）ｊｏｈａｎｌｉｂｅｉｔｅ＠１６３．ｃｏｍ。通信作者：阮顺领，男，副教授，博士，（Ｅ－ｍａｉｌ）ｒｕａｎｓｈｕｎｌｉｎｇ＠１６３．ｃｏｍ。摘要：为了预防因露天矿边坡表面恶化而产生节理、裂隙或断裂等破坏边坡完整性所引发的安全事故，同时解决传统图像处理算法以及经典的深度学习模型直接应用于露天矿边坡裂隙检测效果不甚理想的问题，提出了一种基于改进的ＭａｓｋＲ－ＣＮＮ的露天矿边坡裂隙智能检测算法，运用了ＭａｓｋＲ－ＣＮＮ在目标检测、语义分割以及目标定位方面的集成性特点，改进了其在掩膜分支的边缘不清晰以及误检等缺点，构建了一种针对露天矿边坡裂隙图像的检测分割框架。该方法在掩膜分割分支引入了空洞卷积神经网络以及分类分割迭代上采样操作，能够解决边坡裂隙分割边缘粗糙的问题，实验结果表明，与传统的裂隙分割算法相比，该算法具有更高的识别精度以及更好的分割效果。关键词：露天矿边坡；边坡裂隙；裂隙检测；ＭａｓｋＲ－ＣＮＮ中图分类号：ＴＤ１６４文献标志码：Ａ文章编号：１０００－５８２Ｘ（２０２３）０２－０６７－０１４Ａｎｉｎｔｅｌｌｉｇｅｎｔｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｆｏｒｏｐｅｎ－ｐｉｔｓｌｏｐｅｆｒａｃｔｕｒｅｂａｓｅｄｏｎｔｈｅｉｍｐｒｏｖｅｄＭａｓｋＲ－ＣＮＮＪＩ...
