37、图像分割与铣削维护预测技术研究

图像分割与铣削维护预测技术研究

1. 图像分割算法对比

在计算机视觉领域，对象分割是常用方法，其中实例分割会遇到一些问题，比如不同对象重叠且特征置信度接近时，将它们区分为独立对象较为困难。常见的标准方法虽能进行区分，但存在一定局限性。

1.1 算法性能对比

有两种算法在对象分割中表现出不同的性能，分别是分水岭算法（Watershed）和提出的算法（Proposed）。以下是它们在不同交并比（IoU）下的召回率（Recall）和F1分数的对比：
| IoU | 0.5 | | 0.6 | | 0.7 | | 0.8 | | 0.9 | |
| — | — | — | — | — | — | — | — | — | — | — |
| 算法 | Recall(%) | F1(%) | Recall(%) | F1(%) | Recall(%) | F1(%) | Recall(%) | F1(%) | Recall(%) | F1(%) |
| Watershed | 57 | 62 | 49 | 54 | 45 | 49 | 42 | 46 | 34 | 37 |
| Proposed | 96 | 97 | 96 | 96 | 95 | 96 | 95 | 96 | 95 | 95 |

从表格中可以看出，提出的算法在各个IoU值下的召回率和F1分数都明显高于分水岭算法，说明其在对象分割任务中的性能更优。

1.2 算法原理

• 分水岭算法 ：通过提取图像中的轮廓来检测图像中相互接触和重叠的对象。