石棉板块的建造 基于无人机图像的深度学习培训数据模型
Seung-Chan Baek1, Kwang-Hyun Lee1, In-Ho Kim2
1Department of Architecture, Kyungil University, Gyeongsan 38428, Republic of Korea.
Sensors (Basel, Switzerland)
|October 14, 2023
概括
基于无人机的石棉屋顶石板检测使用深度学习提高了安全性,降低了成本. 结合监督和无监督分类方法,可显著提高检测准确度,最大限度地减少错误分类.
科学领域:
- 环境科学 环境科学
- 计算机科学 计算机科学
- 材料科学 材料科学 材料科学
背景情况:
- 石棉屋顶石板的视觉检查带来安全风险,并造成高成本.
- 无人机技术和深度学习为有效和安全的检测提供了潜在的解决方案.
- 准确识别含有石棉的材料对于公共健康和安全至关重要.
研究的目的:
- 利用无人机成像开发一个全面的深度学习模型,用于使用无人机成像准确检测石棉屋顶石板.
- 评估结合监督和无监督分类技术的有效性.
- 提高石棉检测的速度和降低成本.
主要方法:
- 开发了一个深度学习模型,使用监督和无监督分类.
- 高分辨率无人机图像是在低海拔 (100米) 拍摄的,地面采样距离为3厘米/像素.
- 该模型在各种条件下 (照明,天气,角度) 使用各种图像数据进行训练和验证.
主要成果:
- 最初的模型实现了高精度,在475张图像中只有12个错误分类.
- 经过分类后的调整和模型重新训练,导致了所有图像的精确分类.
- 综合分类方法在检测准确度方面取得了显著的改进.
结论:
- 监督和无监督的分类方法可以有效地结合起来,以提高石棉屋顶石板检测的深度学习模型准确性.
- 使用先进的人工智能的无人机检测为传统方法提供了更安全,更快,更具成本效益的替代方案.
- 开发的模型显示了在石棉管理和安全方面实际应用的巨大潜力.
