基于深度分割与空间统计的爆破后岩石碎片评估自动化方法
计算机视觉与模式识别
2025-07-29 v1 机器学习
摘要
我们介绍了一个 end-to-end 的管道，利用在超过 500 张标注后的爆破图像上微调的 YOLO12l-seg 模型，实现实时实例分割（Box [email protected] ~ 0.769，Mask [email protected] ~ 0.800，约 15 FPS）。高保真掩码被转换为归一化的 3D 坐标，从中提取多维度空间描述符：主成分方向、核密度热点、尺寸-深度回归以及 Delaunay 边统计。我们呈现四个典型示例以说明关键碎片模式。实验结果确认该框架的准确性、对小目标拥挤情况下的鲁棒性，以及在现场条件下实现快速自动化爆炸效果评估的可行性。
关键词
引用
@article{arxiv.2507.20126,
title = {An Automated Deep Segmentation and Spatial-Statistics Approach for Post-Blast Rock Fragmentation Assessment},
author = {Yukun Yang},
journal= {arXiv preprint arXiv:2507.20126},
year = {2025}
}