标题：基于Transformer与多深度多尺度自适应监督的轨缝检测与测量算法
作者：景旭东
作者单位：河南龙宇能源股份有限公司陈四楼煤矿，河南 永城 476600
关键字：Transformer；CA注意力机制；GRU时序特征提取器；深度监督损失函数
摘要：轨缝宽度检测是矿道维护的关键环节，直接关系到矿车安全、设备寿命和运营效率。将Transformer模块、CA（Coordinate Attention）注意力机制以及GRU时序特征提取器结合起来，构建出了一种用来检测高分辨率轨缝宽度的新型方法。结合Transformer编码器的设计理念，并以此为基础做出了一个高效的自适应监督学习框架。它在训练过程中增加了深度监督损失函数来优化模型，并且提升了模型的性能。该模型还加入了CA注意力机制以及GRU时序特征提取器，增强模型了对轨缝细微特征的捕捉能力。接着对分割得到的结果进行计算，得到轨缝的宽度。实验结果表明，提出的方法比传统的UNet、TransUNet-CA等网络架构，在检测精度方面表现更加出色，展现出了较为强大的鲁棒性和优秀的泛化能力，并且节约了测量轨缝宽度的人力成本。