露天矿地形和地理通过机载系统捕获为航空图像,并进行人工分析,以提供关于各种地理特征的有价值的见解。这一过程是努力密集和容易出错的,有很长的前置时间。为了确保整个价值链的自动化,并为工作人员提供安全,需要更频繁地远程获取空间数据,并将数据与自动化摄入、分析和发布过程的系统集成。

客户正在寻找一个在深度学习和计算机视觉方面具有强大咨询和执行专业知识的合作伙伴,可以帮助实现既定的商业目标。

主要挑战

  • 数据采集频率高,航拍图像复杂,数据量大
  • 生成活跃矿区道路特征数据集
  • 训练计算机视觉和深度学习算法提取不同高度的特征

准备好体验吗?

专家说
行

解决方案

深度学习算法用于不同高度的目标

  • 基于深度学习的解决方案,利用高程和图像数据,以及煤矿现场GPS片段数据标定活跃矿区道路中心线、道路边缘和边界边缘。
  • 技术包括基于不同深度或高度的特征识别和分离,以及将多幅图像拼接在一起以识别目标

航空图像的深度学习算法

  • 划定活跃矿区道路中心线、道路边缘和边界边缘
  • 使用先进的深度学习技术自动化整个过程
行

好处

提取道路特征数据集,有助于分析一系列安全关键控制,以产生:

道路中心线

道路中心线

道路边缘

道路边缘

坑顶和坑趾(活动开采)区域周边边缘

坑顶和坑趾(活动开采)区域周边边缘

整个过程通过图像分析技术实现自动化,这有助于在典型的1000公里半径范围内减少75%的执行时间