Исследование технологии оценки изображений с малым количеством меток в Китайском горном университете способствует повышению интеллектуального зрения на шахтах

Репортаж от Wedoany，Группа профессора Чэн Дэцяна из Китайского горного университета достигла прогресса в области оценки качества изображений. Соответствующая научная статья, где Китайский горный университет указан как первое учреждение, а профессор Чэн Дэцян — как первый автор, была опубликована в международном академическом журнале «Распознавание образов» (Pattern Recognition). Предложенная в исследовании структура оценки качества изображений без эталона и с малым количеством меток может эффективно повысить способности интеллектуального зрения и улучшения изображений в условиях низкой освещенности и высокой запыленности, таких как подземные выработки шахт, что оказывает непосредственную техническую поддержку таким этапам горного производства, как распознавание угля и породы, анализ производственного поведения и другие.

В настоящее время в подземных условиях угольных шахт широко распространены такие факторы, как пыль, водяной туман и слабое освещение, что легко приводит к размытию изображений с камер наблюдения и потере деталей. Традиционные методы оценки качества изображений обычно зависят от большого объема размеченных данных для тонкой настройки моделей, однако в условиях шахты сложно получить достаточное количество размеченных образцов, к тому же условия освещения и запыленности значительно различаются на разных шахтах. Предложенная командой Чэн Дэцяна структура оценки качества изображений с малым количеством меток строит обучающие данные путем отбора репрезентативных и переносимых образцов из новой и уже существующих сцен, что снижает зависимость от крупномасштабных размеченных данных и одновременно повышает точность прогнозирования и обобщающую способность.

Данная структура основана на методе приближения к идеальному решению и проводит комплексную оценку на двух уровнях: данных и модели. В новой сцене используется модель CLIP для получения распределения искажений данных и сложности прогнозирования модели в условиях нулевого обучения (zero-shot), а репрезентативные образцы определяются посредством слияния нескольких показателей. В уже существующих сценах применяется механизм отбора по схожести для идентификации переносимых образцов, а также вводится нелинейный модуль выравнивания оценок качества для обеспечения согласованной оценки между разными сценами. Результаты экспериментов на пяти базовых наборах данных для оценки качества изображений без эталона показали, что данный метод достиг современного передового уровня.

Технология оценки качества изображений без эталона оценивает визуальное качество путем анализа внутренних характеристик изображения, не требуя эталонного изображения, что имеет практическую ценность в сценах, где невозможно получить стандартное эталонное изображение, например, в подземных выработках. Китайский горный университет (China University of Mining and Technology, CUMT) был основан в 1909 году, расположен в городе Сюйчжоу провинции Цзянсу, его инженерные науки и науки о Земле входят в топ 1‰ глобального рейтинга ESI. Профессор Чэн Дэцян, первый автор статьи, в настоящее время является секретарем партийного комитета Института информатики и управления университета, руководит более чем 20 научно-исследовательскими проектами, включая темы национальных ключевых программ исследований и разработок, а результаты исследований его команды уже были продемонстрированы и применены на более чем 60 угольных шахтах.

Перспективы применения результатов данного исследования в горной отрасли включают: предоставление более четкого и стабильного визуального ввода для распознавания угля и породы, а также анализа производственного поведения за счет эффективной оценки качества изображений после улучшения, такого как удаление тумана и пыли; одновременно технология может быть распространена на такие области, как визуальное восприятие в автономном вождении, контроль качества дистанционных снимков и интеллектуальное видеонаблюдение для обеспечения безопасности.

Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com