利用航拍图像分析的深度学习方法表征爆破岩石堆中的分离
图像与视频处理
2024-06-07 v1 人工智能
摘要
爆破岩石材料在各种工程应用中起着关键作用，然而分离现象——即颗粒尺寸沿采石场堆的梯度显著变化——对优化采石场材料存储和处理提出了挑战。本研究引入了一种先进的图像分析方法来表征这种岩石碎块的分离。通过分析无人机拍摄的图像，并结合增强的Unet语义分割模型与基于扩展的后处理技术，实现了岩石碎块尺寸分布的精确描绘。采石场斜坡被分为四个垂直部分，每个部分的尺寸分布通过椭球形状近似进行量化。我们的结果揭示了明显的垂直分离模式，细颗粒集中在斜坡上部区域，粗颗粒集中在下部。利用相对特征直径，我们提供了对分离程度的洞察，从而更清晰地展示了碎块尺寸的空间异质性。本研究中概述的技术提供了一种可扩展且准确的方法来评估碎块尺寸分布，有可能更好地为采石场管理中的资源管理和操作决策提供信息。
引用
@article{arxiv.2406.04149,
title = {Characterizing segregation in blast rock piles a deep-learning approach leveraging aerial image analysis},
author = {Chengeng Liu and Sihong Liu and Chaomin Shen and Yupeng Gao and Yuxuan Liu},
journal= {arXiv preprint arXiv:2406.04149},
year = {2024}
}