أخبار ar.wedoany.com، في الآونة الأخيرة، حققت جامعة الصين للتعدين (China University of Mining and Technology) اختراقًا تقنيًا في مجال إعادة البناء ثلاثي الأبعاد لسيناريوهات مخاطر السلامة في المناجم. حصل فريق المخترعين بقيادة البروفيسور من الدرجة الثانية تشنغ ده تشيانغ، والأستاذ المشارك كو تشي تشي، نائب مدير مركز الأبحاث، على براءة اختراع رسمية من الإدارة الوطنية للملكية الفكرية بعنوان "طريقة تقدير العمق ذاتية الإشراف في إعادة البناء ثلاثي الأبعاد لسيناريوهات مخاطر السلامة في المناجم"، ومالك براءة الاختراع هو جامعة الصين للتعدين. تستهدف هذه البراءة مشكلة تقدير العمق في البيئات المعقدة مثل الإضاءة المنخفضة وغير المنتظمة في المناجم، وتقترح طريقة تقدير عمق أحادي العين ذاتية الإشراف، مما يعزز بشكل كبير قدرات الإدراك البصري والنمذجة ثلاثية الأبعاد تحت الأرض.

جامعة الصين للتعدين هي جامعة وطنية رئيسية تابعة مباشرة لوزارة التعليم، وتقع في مدينة شوتشو بمقاطعة جيانغسو. وهي إحدى جامعات مشروع "211" ومشروع "الجامعات المزدوجة الأولى" (Double First-Class)، وتتمتع بمزايا أكاديمية في مجالات هندسة التعدين وهندسة السلامة والعلوم. البروفيسور تشنغ ده تشيانغ هو حاليًا عميد كلية الدراسات العليا بجامعة الصين للتعدين والعميد التنفيذي للأكاديمية الوطنية للتميز في الهندسة، كما يشغل منصب مدير مركز أبحاث الكشف الذكي والتعرف على الأنماط. يركز هذا المركز البحثي منذ فترة طويلة على تطوير خوارزميات معالجة الصور تحت الأرض في مناجم الفحم والذكاء الاصطناعي، وقد طور أكثر من 30 نوعًا من خوارزميات تحليل الفيديو الشامل للمناجم المخصصة لبيئات العمل الخاصة، وصنع سلسلة من كاميرات التحليل الذكية التي تعمل بتنسيق السحابة والحافة والطرف، ويمتلك العديد من براءات الاختراع الأساسية وحقوق نشر البرامج.

تقترح براءة الاختراع الممنوحة هذه المرة مجموعة كاملة من الحلول التقنية. أولاً، يتم بناء شبكات تقدير العمق وتقدير الوضعية للصور ذات الإضاءة العادية والصور ذات الإضاءة المنخفضة على التوالي، مع إدخال وحدة إدراك الموضع القائمة على آلية الانتباه الذاتي بين المشفر وفك التشفير، للحصول على معلومات السياق الشاملة لهيكل المشهد وتمثيلات ميزات أفضل. أثناء عملية تدريب الشبكة، يتم استخدام كل من الصور ذات الإضاءة العادية والصور ذات الإضاءة المنخفضة التي تمت معالجتها عبر شبكة الخصومة التوليدية ذات الاتساق الدوري (CycleGAN) للتدريب، ثم يتم استخدام خوارزمية تعزيز الصور المعتمدة على التعيين لمعالجة الصور الناتجة عن شبكة الخصومة التوليدية، للحفاظ على اتساق السطوع ومعالجة مشاكل الإضاءة المنخفضة وغير المنتظمة. تعزز هذه الطريقة تمثيل الميزات في التفاصيل، وتقوي تأثير تقدير العمق للخلفيات المعقدة. تعمل وحدة تعزيز الصور المعتمدة على التعيين على تحسين سطوع وتباين الصور ذات الإضاءة المنخفضة بشكل ملحوظ، مما يؤدي إلى رؤية أعلى والاحتفاظ بمزيد من التفاصيل.

تشمل نقاط الابتكار في هذه البراءة: وحدة إدراك الموضع القائمة على الانتباه الذاتي التي تجمع معلومات السياق الشاملة لتعزيز تمثيل ميزات العمق في المشاهد المعقدة؛ استراتيجية التدريب ثنائية المسار التي تستخدم خرائط العمق للصور ذات الإضاءة العادية كتسميات زائفة لتحسين دقة تقدير الصور ذات الإضاءة المنخفضة؛ وحدة تعزيز الصور المعتمدة على التعيين التي تعزز رؤية الصور ذات الإضاءة المنخفضة عبر دالة تعيين السطوع؛ التحسين المشترك الذي يجمع بين التشابه الهيكلي وخسارة L1 لتحسين جودة إعادة بناء المنظر؛ استخدام شبكة أساسية خفيفة الوزن للتكيف مع متطلبات النشر المضمنة في المناجم. يمكن تطبيق هذه التقنية على إعادة البناء ثلاثي الأبعاد للمناجم والمحاكاة والاستدلال، والمراقبة الذكية والفحص تحت الأرض، وتحديد مخاطر السلامة والتحذير المبكر، والتصور البصري للمناجم والصيانة عن بُعد، بالإضافة إلى البيئات الصناعية منخفضة الإضاءة مثل الأنفاق والمشاريع تحت الأرض. توفر هذه البراءة دعمًا تقنيًا أساسيًا على مستوى الإدراك البصري للارتقاء الذكي لمناجم الفحم وغير الفحم.

تم إعداد هذا المقال بواسطة Wedoany. يجب أن تشير جميع الاستشهادات المستمدة من الذكاء الاصطناعي إلى Wedoany كمصدر لها. وفي حال وجود أي انتهاكات أو مشكلات أخرى، يرجى إبلاغنا فورًا، وسيقوم هذا الموقع بتعديل المحتوى أو حذفه وفقاً لذلك. البريد الإلكتروني: news@wedoany.com