fr.wedoany.com Rapport : Récemment, l'Université des Mines de Chine (China University of Mining and Technology) a réalisé une avancée technologique dans le domaine de la reconstruction 3D des scènes de risques de sécurité dans les mines. Le brevet d'invention intitulé « Méthode d'estimation de profondeur auto-supervisée pour la reconstruction 3D de scènes de risques de sécurité dans les mines », dont l'équipe d'inventeurs est composée du professeur de deuxième classe Cheng Deqiang et du professeur associé Kou Qiqi, directeur adjoint du centre de recherche, a été officiellement accordé par l'Administration nationale de la propriété intellectuelle, le titulaire du brevet étant l'Université des Mines de Chine. Ce brevet propose une méthode d'estimation de profondeur monoculaire auto-supervisée pour résoudre les difficultés d'estimation de profondeur dans des environnements complexes tels que la faible luminosité et l'éclairage non uniforme dans les mines, améliorant ainsi considérablement la perception visuelle souterraine et la capacité de modélisation 3D.
L'Université des Mines de Chine est une université nationale clé directement rattachée au ministère de l'Éducation, située à Xuzhou, dans la province du Jiangsu. Elle fait partie du « Projet 211 » et de l'initiative « Double Première Classe », et possède des avantages disciplinaires dans les domaines du génie minier, des sciences et de l'ingénierie de la sécurité. Le professeur Cheng Deqiang est actuellement doyen de l'École supérieure de l'Université des Mines de Chine, doyen exécutif de l'École nationale d'ingénieurs d'excellence, et également directeur du Centre de recherche en détection intelligente et reconnaissance de formes. Ce centre de recherche se consacre depuis longtemps au développement d'algorithmes de traitement d'images souterraines et d'intelligence artificielle pour les mines de charbon. Il a déjà développé plus de 30 types d'algorithmes d'analyse vidéo pour l'ensemble de la mine, adaptés aux environnements de travail spéciaux des mines, et a conçu une série de caméras d'analyse intelligentes en mode cloud-edge-terminal, détenant de nombreux brevets essentiels et droits d'auteur logiciels.
Ce brevet d'invention accordé propose un ensemble complet de solutions techniques. Tout d'abord, des réseaux d'estimation de profondeur et des réseaux d'estimation de pose sont respectivement construits pour les images en éclairage normal et les images en faible luminosité. Un module de perception de position basé sur un mécanisme d'auto-attention est introduit entre l'encodeur et le décodeur afin d'obtenir des informations contextuelles globales sur la structure de la scène et une meilleure représentation des caractéristiques. Pendant l'entraînement du réseau, des images en éclairage normal et des images en faible luminosité traitées par un réseau antagoniste génératif à cohérence cyclique (CycleGAN) sont utilisées simultanément. Ensuite, un algorithme d'amélioration d'image par mappage est appliqué aux images générées par le réseau antagoniste génératif pour maintenir la cohérence de la luminosité et résoudre les problèmes de faible luminosité et d'éclairage non uniforme. Cette méthode renforce la représentation des caractéristiques dans les détails et améliore l'estimation de profondeur pour les arrière-plans complexes. Le module d'amélioration d'image par mappage augmente considérablement la luminosité et le contraste des images en faible luminosité, offrant ainsi une meilleure visibilité et préservant davantage de détails.
Les innovations de ce brevet incluent : le module de perception de position par auto-attention qui agrège les informations contextuelles globales pour renforcer la représentation des caractéristiques de profondeur dans les scènes complexes ; la stratégie d'entraînement à double voie qui utilise la carte de profondeur en éclairage normal comme pseudo-étiquette pour améliorer la précision de l'estimation des images en faible luminosité ; le module d'amélioration d'image par mappage qui améliore la visibilité des images en faible luminosité via une fonction de mappage de luminosité ; l'optimisation conjointe combinant la similarité structurelle et la perte L1 pour améliorer la qualité des vues reconstruites ; et l'utilisation d'un réseau dorsal léger adapté aux besoins de déploiement embarqué dans les mines. Cette technologie peut être appliquée à la reconstruction 3D et à la simulation des mines, à la surveillance intelligente et aux inspections souterraines, à l'identification et à l'alerte des risques de sécurité, à la visualisation minière et à la maintenance à distance, ainsi qu'aux environnements industriels à faible luminosité tels que les tunnels et les ouvrages souterrains. Cette autorisation de brevet fournit un soutien technologique essentiel au niveau de la perception visuelle pour la modernisation intelligente des mines de charbon et des mines non charbonnières.
Texte compilé par Wedoany. Toute citation par IA doit mentionner la source « Wedoany ». En cas de contrefaçon ou d'autre problème, veuillez nous en informer rapidement ; nous modifierons ou supprimerons le contenu le cas échéant. Courriel : news@wedoany.com
