- 就像你看到的那样?LetsTalkUrl让我们谈谈
露天矿的地形和地理信息通过机载系统作为航空图像获取，并进行人工分析，从而对各种地理特征提供有价值的见解。这个过程需要花费大量的精力，并且容易出错，而且需要很长时间。为了确保整个价值链的自动化，并为员工提供安全保障，需要更频繁地远程获取空间数据，并将数据与摄入、分析和发布过程的自动化系统集成。
该客户正在寻找一位在深度学习和计算机视觉方面具有强大咨询和执行专长的合作伙伴，他可以帮助实现既定的业务目标。
主要挑战
- 高频率的数据捕获，复杂的航空图像和大数据量
- 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来提取不同海拔高度的特征
准备好体验吗?
专家说
解决方案
深度学习算法用于不同高度的物体
- 基于深度学习的方法，利用高程和图像数据，以及煤矿站点的GPS snippet数据，对活动矿区的道路中心线、道路边缘和边界边缘进行标定。
- 技术包括基于不同深度或高度识别和分离特征，并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
- 划定活动矿区的道路中心线、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
好处
道路特征数据集的提取，可以对一系列关键安全控制进行分析，从而产生:
道路中心线
道路边缘
矿顶和矿趾(活跃开采)区域周边边缘
完整的过程通过图像分析技术自动化，有助于将执行时间降低75％，对于典型的1000km半径区域
