基于无人机图像的废石堆勾绘：传统与深度学习分割方法的比较评估
计算机视觉与模式识别
2025-05-21 v1 应用统计
摘要
排土场的稳定性取决于废石堆的精确排列，并需考虑其地质与岩土力学属性。然而，对单个废石堆的现场表征构成了严峻挑战。利用基于图像的技术，通过无人飞行系统远程获取数据以进行废石堆表征，是一种极具前景的补充解决方案。诸如基于对象的分类和特征提取等图像处理技术，均依赖于有效的分割。本研究改进并对比了多种分割方法，特别是基于颜色和基于形态学的技术。其目标是在采矿环境背景下，提升并评估用于废石表征的基于对象分析的途径。此外，本文还对传统分割方法与基于深度学习的方法进行了比较分析。在所评估的多种分割方法中，基于形态学的深度学习分割方法 Segment Anything Model (SAM) 表现出优于其他方法的性能。这一结果凸显了将先进的形态学与深度学习技术相结合，对于准确高效地表征废石堆的有效性。本研究的发现为优化分割策略提供了有价值的见解，从而推动了基于图像的技术在采矿环境废石堆表征中的应用。
引用
@article{arxiv.2402.00295,
title = {Comparative Evaluation of Traditional and Deep Learning-Based Segmentation Methods for Spoil Pile Delineation Using UAV Images},
author = {Sureka Thiruchittampalam and Bikram P. Banerjee and Nancy F. Glenn and Simit Raval},
journal= {arXiv preprint arXiv:2402.00295},
year = {2025}
}