Применение нейросетевой сегментации и оконтуривания объектов для оценки гранулометрического состава результата буровзрывных работ по изображению

Аннотация

Устимов В.Ю., Полещенко Д.А., Михайлов И.С.

Дата поступления статьи: 14.11.2024

Настоящее исследование посвящено разработке методов автоматической оценки гранулометрического состава руды после взрывных работ на основе данных, полученных с беспилотных летательных аппаратов (БПЛА). Определение размеров фрагментов руды является важным этапом, так как от его точности зависит эффективность последующих процессов дробления. В традиционных методах анализа используется ручная работа, что требует значительных трудозатрат и подвержено субъективным факторам. В исследовании рассматриваются современные методы машинного обучения и архитектуры нейронных сетей, такие как Feature Pyramid Network (FPN), EfficientNet и SE ResNet, которые могут автоматически и точно сегментировать изображения. В результате экспериментов было установлено, что наибольшую точность IoU среди моделей показала FPN-сеть с предобученным основанием EfficientNet B2.

Ключевые слова: гранулометрический состав, FPN, EfficientNet, SEResNet

2.3.3 - Автоматизация и управление технологическими процессами и производствами

.