-
题名基于机器视觉的煤炭运输列车车厢状态智能检测方法
- 1
-
-
作者
陈小霞
李锁弟
朱良恺
张东伟
王祁峰
-
机构
枣庄矿业(集团)有限责任公司煤炭洗选加工中心
-
出处
《自动化应用》
2024年第15期62-66,69,共6页
-
文摘
提出基于机器视觉的煤炭运输列车车厢状态智能检测方法,该方法能及时发现安全隐患并进行预警,提升检车效率,有效预防事故的发生,保障煤炭运输的安全。利用线阵相机等设备采集煤炭运输列车车厢的原始图像;利用Retinex算法增强列车车厢原始图像,提升图像质量;采用索贝尔算子对图像中的车厢实施切分处理,得到每一节完整的车厢图片,用于后续的车厢状态检测;构建YOLOv5算法,并提出一种抑制异类冗余框的方法,对其实施改进,利用改进后的方法完成对煤炭运输列车车厢状态的智能检测,并将检测结果应用于车厢异常报警中。实验证明,该方法能够精准检测煤炭运输列车车厢状态,并及时发出报警信息,在mAP和FPS方面均有较好的表现。
-
关键词
机器视觉
车厢状态
智能检测
图像增强
车厢切分
YOLOv5算法
-
Keywords
machine vision
carriage status
intelligent detection
image enhancement
compartment segmentation
YOLOv5 algorithm
-
分类号
TP277
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于机载激光雷达冠层高度模型的小班区划
被引量：3
- 2
-
-
作者
熊昊
庞勇
荚文
李春干
-
机构
中国林业科学研究院资源信息研究所
广西大学林学院
-
出处
《林业科学研究》
CSCD
北大核心
2022年第2期28-36,共9页
-
基金
“十三五”国家重点研发计划“落叶松高效培育技术研究”项目(编号:2017YFD0600404)。
-
文摘
[目的]探究如何有效利用机载激光雷达冠层高度模型(CHM)自动区划小班,提高小班区划工作效率。[方法]在高光谱影像树种信息的辅助下,使用机载激光雷达数据生成的CHM进行两种空间尺度的分割和优化来自动区划小班。先对1 m空间分辨率CHM数据进行过分割,再对降尺度处理并平滑后的5 m空间分辨率CHM数据进行欠分割,结合两种尺度分割结果并优化得到最终区划结果。将自动区划结果与人工区划小班、数字正射影像(DOM)屏幕勾绘小班以及主伐作业小班为三类参考小班对比,采用最终测量精度(UMA)准则的圆度(RO),紧致度(CO),形状指数(SI),最小包络圆短半径(RE),椭圆度(EF)和形状因子(P2A)8个指标,及自动区划小班与参考小班的交并比(IOU)指标,定量评价自动区划小班边界勾绘的准确程度。并利用样地实测数据和CHM数据计算自动区划结果平均胸径、平均树高和冠层平均高的可解释性方差,验证自动区划结果的内部一致性和外部差异性精度。[结果]自动区划结果与参考小班的UMA形状、面积等特征较接近,与人工区划小班最相近。自动区划小班与人工区划、屏幕勾绘、主伐作业小班交并比大于70%的比例分别为46%,37%,43%,交并比大于50%的比例分别为61%,54%,55%。自动区划结果平均胸径可解释性方差为97%,平均树高可解释性方差为98%,和人工区划小班相同,说明其内部一致性高且和相邻小班差异大。冠层平均高可解释性方差为84.81%,比人工区划小班提高了1.77%。[结论]利用两种空间尺度的CHM与高光谱树种分类图的分割和优化方法自动区划的小班在内部一致性及边界的精准度方面有明显优势,更符合小班边界处林木的分布情况,小班边界准确,且工作效率高,有助于森林的精细化管理。
-
关键词
机载激光雷达
CHM
树种类别
小班区划
多尺度分割
-
Keywords
airborne laser scanner
canopy height model
tree species
forest sub-compartment delineation
multi-resolution segmentation
-
分类号
S757.4
[农业科学—森林经理学]
-
-
题名基于SPOT5遥感影像的小班区划技术
被引量：1
- 3
-
-
作者
吴春争
冯益明
舒清态
李增元
武红敢
车腾腾
-
机构
西南林业大学
中国林业科学研究院荒漠化研究所
中国林业科学研究院资源信息研究所
-
出处
《东北林业大学学报》
CAS
CSCD
北大核心
2011年第7期120-122,127,共4页
-
基金
林业公益科研专项(200704019)
“863”项目(2007AA12Z181)
云南省自然科学基金(2008ZC094M)
-
文摘
采用自主开发设计的森林资源规划调查系统,在大的地性线与已有林班线为边界控制条件下,对常用于森林资源调查的SPOT5遥感影像进行了多尺度、多层次逐级分割,获取了影像对象。同时,综合运用分割对象的光谱、空间特征和纹理特征形成分类规则,在此基础上进行小班区划,试验结果表明,该方法得到了较好的小班区划精度。
-
关键词
SPOT5影像
小班区划
多尺度分割
规则分类
-
Keywords
SPOT5 images
Sub-compartment division
Muhi-resolution segmentation
Classification rules
-
分类号
S771.8
[农业科学—森林工程]
-
