ЦИФРОВИЗАЦИЯ
Оригинальная статья
УДК 622.272:620.179.16:004.8 © В.П. Потапов, М.В. Лысенко, С.Е. Попов, Е.С. Кудрин, 2024
ISSN 0041-5790 (Print) • ISSN 2412-8333 (Online) • Уголь № 09-2024 /1184/
DOI: http://dx.doi.org/10.18796/0041-5790-2024-9-109-114
Название
Горная видеоэндоскопия – основы применения и обработка данных методами искусственного интеллекта
Авторы
Потапов В.П. доктор техн. наук, профессор, академик АГН, академик РАЕН, главный научный сотрудник Федерального исследовательского центра информационных и вычислительных технологий, 690003, г. Новосибирск, Россия, главный научный сотрудник Института горного дела им. Н.А. Чинакала СО РАН, 690005, г. Новосибирск, Россия, e-mail: vadimptpv@gmail.com
Лысенко М.В. технический директор ООО НИЦ-ИПГП «РАНК», 650000, г. Кемерово, Россия, e-mail: nits.info@yandex.ru
Попов С.Е. канд. техн. наук, старший научный сотрудник Федерального исследовательского центра информационных и вычислительных технологий, 690003, г. Новосибирск, Россия, e-mail: ogidog@yandex.ru
Кудрин Е.С. инженер геофизик, ООО НИЦ-ИПГП «РАНК», 650000, г. Кемерово, Россия. e-mail: nits.info@yandex.ru
Аннотациия
Телеметрические системы контроля, реализуемые, например, как видеоэндоскопы, находят все большее применение для решения за дач оценки состояния горного массива, подвергаемого техногенным нагрузкам. Однако обработка данных, получаемых в процессе изме рений, достаточно трудоемка и затрудняется большим количеством поступающей в форме видеоряда геоинформации. Особое внимание необходимо уделять расшифровке каждого кадра, выделяя специфи ческие для места измерений особенности. В работе рассматривается новый подход к обработке эндоскопических данных, основанный на одной из технологий искусственного интеллекта машинном зрении. Описывается определенная последовательность работы созданного алгоритма и приводятся примеры конкретной обработки данных. Рассмотрены вопрос дальнейшей обработки полученного геометрического материала и дальнейшие подходы для перехода к получению физико-механических свойств массива.
Ключевые слова
Горная видеоэндоскопия, телеметрические системы, методы искусственного интеллекта, машинное зрение, распознавание трещин, приконтурный массив, горно-геологические условия, нейронные сети, трещиноватость массива, разметка изображений.
Список литературы
1. Khang a., hajimahmud V.a., Misra a., litvinova E. Machine Vision and Industrial robotics in Manufacturing: approaches, technologies, and applications. CrC Press, 2025.
2. umbaugh Scott E. digital Image Processing and analysis: Computer Vision and Image analysis. 4th Edition. CrC Press, 2023.
3. Esfandiari K., abdollahi f. Neural Network-Based adaptive Control of uncertain Nonlinear Systems. New york, Springer Publ., 2022.
4. Коул А., Ганджу С., Казам М. Искусственный интеллект и компьютерное зрение. Реальныепроектына Python, Keras и tensorflow. СПб.: Питер, 2023.
5. Shinde S.V., Medhane d.V., Castillo O. applied Computer Vision and Soft Computing with Interpretable aI. Boca raton: CrC Press, 2023.
6. Mugesh S. hands-on Ml Projects with OpenCV: Master computer vision and Machine learning using OpenCV and Python. Orange Education Pvt ltd, aVa, 2023.
7. ddhich a. Practical Computer Vision: Extract insightful information from images using tensorflow, Keras, and OpenCV. Packt Publishing, 2018.
8. ayed Ismail Ben. high-Order Models in Semantic Image Segmentation. academic Press/Elsevier, 2023.
9. davies E.r. Computer Vision: Principles, algorithms, applications, learning. 5th Edition. academic Press, 2018.
10. Martinez Jes?s. tensorflow 2.0 Computer Vision Cookbook: Implement machine learning solutions to overcome various computer vision challenges.
11. Planche Benjamin, andres Eliot. hands-On Computer Vision with tensorflow 2: leverage deep learning to create powerful image processing apps with tensor flow 2.0 and Keras. Packt Publishing, 2019.
12. Pardo-Ig?zquiza E. et al. Mathematics of Planet Earth. lecture Notes in Earth System Sciences. Proceedings of the 15th annual Confer? ence of the International association for Mathematical geosciences. Springer, 2014.
13. Zhang K., Cheng h.-d. deep learning for Crack-like Object detection. CrC Press, 2023.
14. ralte Z., Kar I. learn Python generative aI: Journey from autoencod? ers to transformers to large language models. BPB Publications, 2024.
15. Chambers d. digital Image Correlation: advanced Methods and applications. New york, Nova Science Publ., 2017, 125 p. 16. Masrour t., ramchoun h., hajji t., hosni M. artificial Intelligence and Industrial applications: algorithms, techniques, and Engineering applications. Springer, 2023.
Для цитирования
Горная видеоэндоскопия – основы применения и обработка данных методами искусственного интеллекта / В.П. Потапов, М.В. Лысенко, С.Е. Попов и др. // Уголь. 2024;(9):109-114. dOI: 10.18796/0041-5790-2024-9-109-114.
Поддержка
Исследование выполнено за счет гранта Российского научного фонда № 23-1700148, https://rscf.ru/project/23-17-00148/.
Информация о статье
Поступила в редакцию: 22.07.2023
Поступила после рецензирования: 15.08.2024
Принята к публикации: 26.08.2024
