巖石巖性的識(shí)別與分類對(duì)于地質(zhì)勘探至關(guān)重要,目前巖性識(shí)別多基于人工判別方法,需要一定的專業(yè)背景和豐富的判別經(jīng)驗(yàn),受限于環(huán)境、天氣和人力的綜合作用。采用機(jī)器視覺技術(shù)訓(xùn)練識(shí)別模型進(jìn)行分類是一條新的途徑,可以大大提高效率和自動(dòng)化程度。利用樹莓派和intel Movidius算力棒平臺(tái),設(shè)計(jì)出了一款基于北斗導(dǎo)航系統(tǒng)和YOLOv3-tiny神經(jīng)網(wǎng)絡(luò)巖石識(shí)別模型的地質(zhì)勘探小車,該小車由定位系統(tǒng)、圖像采集系統(tǒng)和識(shí)別分類系統(tǒng)三部分組成,可以在野外自由行進(jìn)并拍攝巖石圖像,并將識(shí)別結(jié)果實(shí)時(shí)傳送終端。該智能小車在測(cè)試圖集的識(shí)別正確率高于80%,視頻流測(cè)試結(jié)果實(shí)現(xiàn)了高于80%的敏感性和大于89.5%的特異性,準(zhǔn)確度達(dá)到88.3%。

【文章頁數(shù)】：6 頁

【文章目錄】：
1 導(dǎo)航及算法
    1.1 北斗衛(wèi)星導(dǎo)航系統(tǒng)
    1.2 YOLOv3-tiny識(shí)別算法
2 實(shí)驗(yàn)過程
    2.1 小車總體設(shè)計(jì)
    2.2 巖石圖集的選擇
    2.3 基于darknet框架訓(xùn)練模型
        (1)使用LabelImg標(biāo)記數(shù)據(jù)集
        (2)數(shù)據(jù)增強(qiáng)
        (3)模型訓(xùn)練
    2.4 樹莓派上部署模型
3 結(jié)果分析
4 總結(jié)



本文編號(hào)：3780692