Издательство СО РАН

Издательство СО РАН

Адрес Издательства СО РАН: Россия, 630090, а/я 187
Новосибирск, Морской пр., 2

soran2.gif

Baner_Nauka_Sibiri.jpg


Яндекс.Метрика

Array
(
    [SESS_AUTH] => Array
        (
            [POLICY] => Array
                (
                    [SESSION_TIMEOUT] => 24
                    [SESSION_IP_MASK] => 0.0.0.0
                    [MAX_STORE_NUM] => 10
                    [STORE_IP_MASK] => 0.0.0.0
                    [STORE_TIMEOUT] => 525600
                    [CHECKWORD_TIMEOUT] => 525600
                    [PASSWORD_LENGTH] => 6
                    [PASSWORD_UPPERCASE] => N
                    [PASSWORD_LOWERCASE] => N
                    [PASSWORD_DIGITS] => N
                    [PASSWORD_PUNCTUATION] => N
                    [LOGIN_ATTEMPTS] => 0
                    [PASSWORD_REQUIREMENTS] => Пароль должен быть не менее 6 символов длиной.
                )

        )

    [SESS_IP] => 18.118.32.213
    [SESS_TIME] => 1714372022
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [fixed_session_id] => 91b38b59987cc0269cdcb56b32a09893
    [UNIQUE_KEY] => 038c11daa1236c9b06835b5715a7c6f1
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

)

Поиск по журналу

Физико-технические проблемы разработки полезных ископаемых

2022 год, номер 3

МЕТОД "ИНТЕЛЛЕКТУАЛЬНОГО" ОБНАРУЖЕНИЯ ТРЕЩИН В БОРТАХ КАРЬЕРОВ НА ОСНОВЕ УСОВЕРШЕНСТВОВАННОЙ АРХИТЕКТУРЫ MASK R-CNN

Ж. Шуньлин1,2, Л. Даньян1, Г. Цинхуа1,2, Ц. Ин1
1Сианьский университет архитектуры и технологии, 710055, г. Сиань, Китай
liudanyang1222@163.com
2Главная лаборатория перцептивных вычислений и принятия решений в сфере "умных" технологий, 710055, г. Сиань, Китай
Ключевые слова: Борта карьеров, устойчивость бортов, обнаружение трещины, сегментация, Mask R-CNN, прикладное исследование
Страницы: 177-193

Аннотация

Предложен алгоритм обнаружения трещин на основе усовершенствованной архитектуры Mask R-CNN для предотвращения катастрофических последствий, вызванных нарушением устойчивости бортов. Архитектура направлена на преодоление ограничения традиционного алгоритма обработки изображений и классической модели глубокого обучения применительно к обнаружению трещин в бортах карьеров. Продемонстрированы возможности Mask R-CNN, направленные на их целевое обнаружение, сегментацию и позиционирование. В усовершенствованной архитектуре устранены основные недостатки, связанные с низкой четкостью изображения краев трещин и ложным обнаружением. Показано, что в ней реализован программный “каркас” для обнаружения и сегментации изображений трещин в бортах карьеров. Данный метод представляет собой расширенный вариант сверточной нейронной сети. С его помощью можно выполнять задачи по классификации, сегментации и итерационной передискретизации в ветви маски, что позволяет решить проблему низкой четкости краев трещины. Результаты испытаний показали, что по сравнению традиционным алгоритмом разделения трещин предлагаемый метод обладает более высокой точностью обнаружения и более качественной сегментацией.

DOI: 10.15372/FTPRPI20220317
Добавить в корзину
Товар добавлен в корзину