ParticleSAM：用于回收工艺中材料质量监控的小颗粒分割

建筑行业在资源消耗方面代表了主要行业。回收建筑材料具有高额的再利用潜力，但人工方法仍是监控砂石质量的主要方式。视觉驱动的机器学习方法可以提供更快更高效的解决方案，但现有的分割方法在设计上无法直接应用于包含数百个小颗粒的图像。在本文中，我们提出了ParticleSAM，这是一种针对小而密集对象的图像分割基础模型的改进方案，后者经常出现在建筑材料颗粒中。此外，我们创建了一个新的稠密多颗粒数据集，从孤立颗粒图像中模拟而来，并借助自动化的数据生成和标注管道。这一数据集作为视觉材料质量控制自动化的基准，同时我们的分割方法在建筑以外的需要小颗粒分割的领域也具有潜在价值。我们的实验结果通过定性和定量实验均表明了我们方法的优势，与原始SAM方法进行了比较。