論文の概要: Characterizing segregation in blast rock piles a deep-learning approach leveraging aerial image analysis
- arxiv url: http://arxiv.org/abs/2406.04149v1
- Date: Thu, 6 Jun 2024 15:13:56 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-07 14:20:13.583252
- Title: Characterizing segregation in blast rock piles a deep-learning approach leveraging aerial image analysis
- Title（参考訳）: 空中画像解析を用いた深層岩盤の分離特性評価
- Authors: Chengeng Liu, Sihong Liu, Chaomin Shen, Yupeng Gao, Yuxuan Liu,
- Abstract要約: 本研究では,岩盤断片の分離を特徴付ける高度な画像解析手法を提案する。
ドローンが捉えた画像の解析により,詳細な岩石の破片径分布の正確な記述が達成された。
- 参考スコア（独自算出の注目度）: 7.211586388797869
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Blasted rock material serves a critical role in various engineering applications, yet the phenomenon of segregation-where particle sizes vary significantly along the gradient of a quarry pile-presents challenges for optimizing quarry material storage and handling. This study introduces an advanced image analysis methodology to characterize such segregation of rock fragments. The accurate delineation of detailed rock fragment size distributions was achieved through the analysis of drone-captured imagery, coupled with the application of an enhanced Unet semantic segmentation model integrated with an expansion-based post-processing technique. The quarry slope was stratified into four vertical sections, with the size distribution of each section quantified via ellipsoid shape approximations. Our results disclose pronounced vertical segregation patterns, with finer particles concentrated in the upper slope regions and coarser particles in the lower. Utilizing relative characteristic diameters, we offered insight into the degree of segregation, thereby illustrating the spatial heterogeneity in fragment size more clearly. The techniques outlined in this study deliver a scalable and accurate method for assessing fragment size distribution, with the potential to better inform resource management and operational decisions in quarry management.
- Abstract（参考訳）: 砕石材は, 様々な工学的応用において重要な役割を担っているが, 採石場の傾斜によって, 分別粒子径が著しく変化する現象は, 採石場の貯蔵と処理を最適化する上での課題を表している。
本研究では, 岩盤断片の分離を特徴付ける高度な画像解析手法を提案する。
ドローンが捉えた画像の解析と拡張ベースの後処理技術と統合された拡張Unetセマンティックセマンティックセグメンテーションモデルの適用により,詳細な岩片サイズ分布の正確なデライン化を実現した。
採石場の斜面は4つの縦断面に成層し, 楕円形状近似による各断面の大きさ分布の定量化を行った。
以上の結果から, 垂直偏析パターンが明らかになり, より微細な粒子が上部斜面に集中し, 粗い粒子が下部に分布することが明らかとなった。
相対的な特徴径を生かして, 偏析の程度を把握し, 破片径の空間的不均一性をより明確に表現した。
本研究で概説した手法は, 採石場管理において, 資源管理や運用上の意思決定をより効果的に行えるように, フラグメントサイズの分布を評価するためのスケーラブルで正確な手法を提供するものである。
関連論文リスト
- Comparative Evaluation of Traditional and Deep Learning-Based
Segmentation Methods for Spoil Pile Delineation Using UAV Images [0.0]
本研究は,様々なセグメンテーションアプローチ,特にカラーベースおよびモルフォロジーに基づく手法を洗練・調整する。
本研究の目的は, 鉱業環境の文脈における特性化を損なうため, オブジェクトベース分析の手法を改良し, 評価することである。
評価された多様なセグメンテーション手法のうち,形態素に基づく深層学習セグメンテーション手法であるセグメンション・アシング・モデル(SAM)は,他の手法と比較して優れた性能を示した。
論文 参考訳（メタデータ） (2024-02-01T02:54:49Z) - Datacube segmentation via Deep Spectral Clustering [76.48544221010424]
拡張ビジョン技術は、しばしばその解釈に挑戦する。
データ立方体スペクトルの巨大な次元性は、その統計的解釈において複雑なタスクを生じさせる。
本稿では,符号化空間における教師なしクラスタリング手法の適用の可能性について検討する。
統計的次元削減はアドホック訓練(可変)オートエンコーダで行い、クラスタリング処理は(学習可能な)反復K-Meansクラスタリングアルゴリズムで行う。
論文 参考訳（メタデータ） (2024-01-31T09:31:28Z) - Semantic segmentation of SEM images of lower bainitic and tempered
martensitic steels [0.8554538518952843]
本研究は, 走査型電子顕微鏡像の分画に深層学習技術を用い, 低ベイナイトおよび焼鈍マルテンサイト鋼中の炭化物析出物の定量分析を可能にした。
以上の結果より,低ベイナイトおよび温帯マルテンサイトは,温帯マルテンサイト中の炭化物分布がより均一であるにもかかわらず,炭化物量に匹敵する割合を示すことが明らかとなった。
論文 参考訳（メタデータ） (2023-12-02T05:11:34Z) - Generative Modeling on Manifolds Through Mixture of Riemannian Diffusion Processes [57.396578974401734]
一般多様体上に生成拡散過程を構築するための原理的枠組みを導入する。
従来の拡散モデルの認知的アプローチに従う代わりに、橋梁プロセスの混合を用いて拡散過程を構築する。
混合過程を幾何学的に理解し,データ点への接する方向の重み付け平均としてドリフトを導出する。
論文 参考訳（メタデータ） (2023-10-11T06:04:40Z) - ParticleSeg3D: A Scalable Out-of-the-Box Deep Learning Segmentation
Solution for Individual Particle Characterization from Micro CT Images in
Mineral Processing and Recycling [1.0442349645874913]
本研究では,異なる材料を含む粒子試料の大規模CT画像から個々の粒子を抽出するインスタンスセグメンテーション法であるParticleSeg3Dを提案する。
我々のアプローチは、強力なnnU-Netフレームワークに基づいて、粒子サイズ正規化を導入し、ボーダーコア表現を用いてインスタンスセグメンテーションを可能にし、さまざまな大きさ、形状、組成の粒子を含む大規模なデータセットで訓練する。
論文 参考訳（メタデータ） (2023-01-30T22:43:46Z) - Multiscale Analysis for Improving Texture Classification [62.226224120400026]
本稿では,テクスチャの異なる空間周波数帯域を別々に扱うために,ガウス・ラプラシアピラミッドを用いる。
バイオインスパイアされたテクスチャ記述子,情報理論測度,灰色レベルの共起行列特徴,ハリリック統計特徴から抽出した特徴を特徴ベクトルに集約した。
論文 参考訳（メタデータ） (2022-04-21T01:32:22Z) - Time-inhomogeneous diffusion geometry and topology [69.55228523791897]
拡散凝縮(英: Diffusion condensation)は、各ステップが最初に計算し、そのデータに拡散演算子を適用する時間不均質な過程である。
我々はこの過程の収束と進化を幾何学的、スペクトル的、位相的観点から理論的に分析する。
我々の研究は拡散凝縮の収束に関する理論的洞察を与え、トポロジカルデータ解析と幾何学的データ解析のリンクを提供することを示している。
論文 参考訳（メタデータ） (2022-03-28T16:06:17Z) - Incorporating Texture Information into Dimensionality Reduction for
High-Dimensional Images [65.74185962364211]
距離ベース次元削減手法に周辺情報を組み込む手法を提案する。
画像パッチを比較する異なる手法の分類に基づいて,様々なアプローチを探索する。
論文 参考訳（メタデータ） (2022-02-18T13:17:43Z) - Featurized Density Ratio Estimation [82.40706152910292]
本研究では,2つの分布を推定前の共通特徴空間にマッピングするために,可逆生成モデルを活用することを提案する。
この偉業化は、学習された入力空間の密度比が任意に不正確な場合、潜在空間において密度が密接な関係をもたらす。
同時に、特徴写像の可逆性は、特徴空間で計算された比が入力空間で計算された比と同値であることを保証する。
論文 参考訳（メタデータ） (2021-07-05T18:30:26Z) - MudrockNet: Semantic Segmentation of Mudrock SEM Images through Deep
Learning [0.0]
本稿では,GoogleのDeepLab-v3+アーキテクチャに基づく深層学習SEMセグメンテーションモデルMudrockNetを提案する。
訓練された深層学習モデルは、約90%の画素精度を取得し、試験データの予測値は、銀粒の0.6591と毛穴の0.6642の平均交点(IoU)を得た。
論文 参考訳（メタデータ） (2021-02-05T19:38:44Z) - Morphological segmentation of hyperspectral images [0.0]
本稿では,ハイパースペクトル画像の形態的セグメンテーションのための一般的な手法を開発した。
アプローチはスペクトル分類からなり、マーカーと空間情報を与えるベクトル勾配を得る。
論文 参考訳（メタデータ） (2020-10-02T08:32:52Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。