Jun, 2024

通过利用航拍图像分析实现对爆破堆石中分离性的表征

PDF
TL;DR应用先进的图像分析方法，采用改进的 Unet 语义分割模型和基于扩展的后处理技术，成功地刻画了爆破岩石颗粒的细分离现象，并通过相对特征直径提供了岩石颗粒尺寸的空间异质性，为采石场管理中资源管理和运营决策提供了更好的信息。
segregationrock fragmentssize distributionimage analysisquarry management
发现论文，激发创造
  • 基于无人机图像的废矽片描绘的传统方法与深度学习方法的比较评估

    基于图像的矿山废弃物堆积物表征的优化，利用远程获取的数据和深度学习方法，通过各种分割方法的比较分析，展示了基于形态学和深度学习方法的高准确性和高效率，推动了矿山环境中基于图像的堆积物表征技术的应用。

    Feb, 2024

  • 高分辨率卫星图像上行星表面巨石的自动特征描述

    通过使用一个实例分割神经网络（BoulderNet）并利用高分辨率卫星图像，以不同行星表面为数据集，我们可以自动化检测和轮廓描绘巨石，达到与人工描绘相似的性能，并提供了一个通用的开源工具来描述整个巨石领域。

    Jan, 2024

  • 基于钻探数据的岩体分类的机器学习方法比较研究

    通过自动将 MWD 数据转换为可操作的岩石工程指标，本研究利用大规模且地质多样化的数据集，探索传统机器学习和基于图像的深度学习方法，在真实的隧道工程环境中实现准确的岩体质量分类，提供决策支持及降低人工干预。

    Mar, 2024

  • 基于钻井数据的岩体无监督机器学习分类：数据驱动系统如何处理现有岩体分类系统的局限性？

    基于钻探数据开发的数据驱动系统在岩体分类中能够形成明确的岩体簇群，为未来的分类系统提供了潜力。

    May, 2024

  • 基于深度学习的混凝土岩石学分析自动化图像分割

    本文研究了使用卷积神经网络 (CNN) 在没有使用颜色处理的情况下进行混凝土分割的可行性，并证明其优于基于颜色的分割方法并具有与人工专家相当的准确度，从而缩短了分割时间。

    May, 2020

  • DOORS: 岩石分割数据集。统计属性与 Blender 设置

    研究意在检测小天体表面上的巨石，为视觉导航等应用提供数据驱动算法，通过提供两个公开标注数据集，解决了砝码缺乏等问题。

    Oct, 2022

  • 数字岩石物理中岩石图像分割的增强：生成式人工智能与先进神经网络的融合

    在数字岩石物理学中，使用扫描电子显微镜和计算机断层扫描技术分析岩石的细微结构对估计孔隙度和孔隙连通性等性质至关重要。我们的研究采用了先进的生成型人工智能模型 —— 扩散模型，克服传统分割方法的局限性并通过生成大量的数据集来改善岩石显微结构分割的准确性和稳定性。利用 Transformer 结构的 TransU-Net 在分割图像方面表现出更高的准确性和 IoU 指标，超过了 U-Net 和 Attention-U-Net，推进了数字岩石物理学的发展，为地球科学和工程学的突破铺平了道路。

    Nov, 2023

  • 岩石薄片的自动描述：一个 Web 应用

    利用人工智能技术结合计算机视觉和自然语言处理，从岩石的薄片图像中生成文本和口头描述，通过 EfficientNetB7 提取的图像相关特征与 Transformer 网络生成的文本描述相关联的模型训练，达到了 0.892 的准确度和 0.71 的 BLEU 值。该模型可用作研究、专业和学术工作的有用资源，并已通过网络应用程序供公众使用。

    Feb, 2024

  • 基于盒子监督方法的矿石图像纹理高效分割

    提供了一种具有纹理特征的有效的箱式监督技术用于矿石图像分割，该技术能够识别完整和独立的矿石，并通过使用 Ghost-FPN，优化的检测头以及融合特征相似性损失函数来提高准确性。这种方法在矿石图像数据集上保持了高水平的准确性。

    Nov, 2023

  • 粗颗粒土壤颗粒大小分析的计算机视觉

    通过利用计算机视觉和 Python 编程语言，本研究提出了用于对粗粒土壤进行粒径分析的新方法，并使用标准手机相机来进行粒度检测，从而提供了便利和成本节约的解决方案。

    Nov, 2023