基于视觉联合检测的球团矿粒径检测方法
来源：电子测量技术杂志2026年第2期北京时间：
作者：龚玉洁，王旭，郭海杰，丁志星，崔雪红
单位：青岛科技大学信息科学技术学院 青岛 266061
摘要：针对工业球团矿图像分割任务中存在的小目标密集粘连、易受遮挡等技术难题，提出基于YOLOv11与SAM2的视觉联合检测实例分割方法（YO-SAM2）。首先，通过CSC模块改进YOLOv11的C3k2模块，增强网络对密集小目标特征的表达能力。其次，设计小目标混合融合特征金字塔网络(SHFPN)，在P2层增加特征图输出以捕捉细节信息，添加跨层交互并采用基于内容引导注意力机制的混合融合策略，提升多尺度特征融合效能。此外，引入解耦空间-通道上采样模块(DSCU)替代原始上采样方法，生成更具表达力的特征表征。最后，通过嵌入可学习Adapter适配器对SAM2分割模型进行参数高效微调，有效提升模型对特定工业场景的适应性和泛化性。实验结果表明，YO-SAM2在球团矿数据集的mIoU达90.3%，与Mask R-CNN、YOLOv8-seg等主流分割算法相比，取得了最佳分割效果。该方法有效解决了工业场景下球团矿分割的精度与鲁棒性问题，为智能工业质检提供了可靠的技术方案。
关键词：实例分割;多尺度特征融合;细节信息;参数微调
基金资助：国家自然科学基金(61472196,61672305)项目资助
