基于U-Net-SAM耦合驱动的隧道掘进岩碴实时识别方法

本发明提供了一种基于U‑Net‑SAM耦合驱动的隧道掘进岩渣实时识别方法，通过融合语义分割网络(U‑net)与视觉基础模型(Segment Anything Model，SAM)实现了高精度的岩碴尺寸及形态参数量化。该方法首先利用U‑Net网络对输入的岩渣图像进行推理，生成粗略的岩碴识别结果。随后，从粗略的结果中获取每个岩碴的质心坐标作为SAM模型的自动提示输入，结合SAM的零样本分割能力提取初始掩膜；采用形态学噪声过滤方法与交并比阈值优化的重叠区域处理策略对初始掩膜进行后处理优化。该方法实现了隧道输送带岩碴图像的自动化分割与尺寸和形状参数提取，有效解决了传统方法在密集颗粒场景下的边界识别难题，为实现智能掘进参数调控提供实时可靠的岩机交互数据支持。