在卫星图像中检测和分类重型卡车的深度学习方法
Xingwei Liu1, Yiqiao Li2, Langting Sizemore3
1School of Information and Computer Science, University of California at Irvine, Irvine, CA 92697 USA.
IEEE transactions on intelligent transportation systems : a publication of the IEEE Intelligent Transportation Systems Council
|July 29, 2025
概括
这项研究引入了一种使用卫星图像和GIS数据检测重型卡车的新方法,这对供应链至关重要. 该框架有助于评估城市和港口地区的环境影响和卡车配送.
科学领域:
- 环境科学 环境科学
- 地理信息科学 地理信息科学
- 计算机视觉 计算机视觉
背景情况:
- 重型卡车对经济至关重要,但对公众健康和环境产生负面影响.
- 准确的卡车配送跟踪对于环境影响评估和城市规划至关重要.
研究的目的:
- 利用卫星图像和GIS数据开发一种用于检测重型卡车和运输集装箱的新型框架.
- 评估重型卡车在港口附近社区对环境的影响,并分析卡车密度模式.
主要方法:
- 修改后的CenterNet算法被用于在卫星图像中检测随机定向的卡车.
- 与Mask RCNN相结合,提高了检测准确度.
- 来自OpenStreetMap的地理信息系统 (GIS) 数据完善了该模型的预测.
主要成果:
- 该框架成功地捕获了重型卡车和运输集装箱在道路和越野位置的分销.
- 在南加州的应用,包括洛杉矶港和长港,提供了有关卡车密度和环境影响的见解.
结论:
- 开发的框架为监控重型卡车分销及其环境影响提供了一个可扩展的解决方案.
- 这项研究对环境政策,城市规划和未来的物流研究有重大影响.
