de.wedoany.com-Bericht: Kürzlich hat die China University of Mining and Technology (CUMT) einen technologischen Durchbruch im Bereich der 3D-Rekonstruktion von Sicherheitsrisikoszenarien in Bergwerken erzielt. Das Patent mit dem Titel „Eine Methode zur selbstüberwachten Tiefenschätzung für die 3D-Rekonstruktion von Sicherheitsrisikoszenarien in Bergwerken“ unter der Leitung des Erfinderteams um Professor Cheng Deqiang (Stufe 2) und außerordentlichen Professor Kou Qiqi (stellvertretender Direktor des Forschungszentrums) wurde offiziell vom Nationalen Amt für geistiges Eigentum erteilt, wobei die CUMT als Patentinhaber fungiert. Das Patent adressiert die Herausforderungen der Tiefenschätzung in komplexen Umgebungen mit schwachem und ungleichmäßigem Licht in Bergwerken und schlägt eine selbstüberwachte Methode zur monokularen Tiefenschätzung vor, die die visuelle Wahrnehmung und 3D-Modellierung unter Tage erheblich verbessert.
Die China University of Mining and Technology ist eine dem Bildungsministerium direkt unterstellte nationale Schlüsseluniversität mit Sitz in Xuzhou, Provinz Jiangsu. Sie ist Teil des nationalen „211-Projekts“ und der „Doppelten Erstklassigkeit“-Initiative und verfügt über disziplinäre Stärken in den Bereichen Bergbautechnik, Sicherheitswissenschaft und -technik. Professor Cheng Deqiang ist derzeit Dekan der Graduiertenschule der CUMT und geschäftsführender Dekan der Nationalen Schule für Exzellenz-Ingenieure. Gleichzeitig leitet er das Forschungszentrum für intelligente Inspektion und Mustererkennung. Dieses Forschungszentrum konzentriert sich seit langem auf die Bildverarbeitung unter Tage und die Entwicklung von KI-Algorithmen. Es hat über 30 Videoanalysealgorithmen für das gesamte Bergwerk entwickelt, die auf die speziellen Arbeitsumgebungen unter Tage zugeschnitten sind, sowie eine Reihe von intelligenten Analyse-Kameras für die Cloud-Edge-End-Kooperation hergestellt. Es verfügt über zahlreiche Kernpatente und Software-Urheberrechte.
Das diesmal erteilte Patent schlägt ein vollständiges technisches Konzept vor. Zunächst werden separate Tiefenschätzungsnetzwerke und Posen-Schätzungsnetzwerke für normal beleuchtete und schwach beleuchtete Bilder aufgebaut. Zwischen Encoder und Decoder wird ein positionsbewusstes Modul mit Selbstaufmerksamkeitsmechanismus eingeführt, um globale Kontextinformationen der Szenenstruktur und bessere Merkmalsdarstellungen zu erhalten. Während des Netzwerktrainings werden sowohl normal beleuchtete Bilder als auch durch einen CycleGAN (Cycle-Consistent Generative Adversarial Network) verarbeitete schwach beleuchtete Bilder verwendet. Anschließend wird ein Mapping-Bildverbesserungsalgorithmus auf die vom GAN ausgegebenen Bilder angewendet, um die Helligkeitskonsistenz zu wahren und die Probleme mit schwachem und ungleichmäßigem Licht zu lösen. Diese Methode verbessert die Merkmalsdarstellung von Details und verstärkt die Tiefenschätzung für komplexe Hintergründe. Das Mapping-Bildverbesserungsmodul erhöht die Helligkeit und den Kontrast schwach beleuchteter Bilder deutlich, was zu einer höheren Sichtbarkeit und der Erhaltung von mehr Details führt.
Zu den Innovationen des Patents gehören: Das positionsbewusste Selbstaufmerksamkeitsmodul aggregiert globale Kontextinformationen und verbessert die Tiefenmerkmalsdarstellung in komplexen Szenen; die duale Trainingsstrategie nutzt Tiefenkarten von normal beleuchteten Bildern als Pseudo-Labels, um die Schätzgenauigkeit bei schwachem Licht zu erhöhen; das Mapping-Bildverbesserungsmodul steigert die Sichtbarkeit schwach beleuchteter Bilder durch eine Helligkeits-Mapping-Funktion; die kombinierte Optimierung von struktureller Ähnlichkeit und L1-Verlust verbessert die Qualität der rekonstruierten Ansichten; ein leichtgewichtiges Backbone-Netzwerk wird verwendet, um die Anforderungen der eingebetteten Bereitstellung in Bergwerken zu erfüllen. Diese Technologie kann für die 3D-Rekonstruktion und Simulationsanalyse von Bergwerken, die intelligente Überwachung und Inspektion unter Tage, die Identifizierung und Warnung vor Sicherheitsrisiken, die Visualisierung und Fernwartung von Minen sowie für schwach beleuchtete Industrieumgebungen wie Tunnel und Tiefbauprojekte eingesetzt werden. Diese Patenterteilung bietet eine zentrale technologische Unterstützung auf der Ebene der visuellen Wahrnehmung für die intelligente Aufrüstung von Kohle- und Nicht-Kohlebergwerken.
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
