本書以礦業(yè)生產(chǎn)為背景,對近年來計算機視覺技術(shù)的基礎(chǔ)理論、前沿技術(shù)及其在礦山領(lǐng)域的應(yīng)用進行了系統(tǒng)介紹與闡述。全書共6章,主要內(nèi)容包括計算機圖像技術(shù),圖像特征工程及深度學(xué)習(xí)圖像工程技術(shù),礦山計算機視覺實際項目的操作流程、步驟與代碼,機器視覺的礦業(yè)應(yīng)用等。 本書可作為高等院校礦業(yè)類專業(yè)教材,也可供對智慧礦山技術(shù)感興趣的礦業(yè)人員、計算機視覺研發(fā)人員和愛好者學(xué)習(xí)參考。
江松,男,江西人,博士,西安建筑科技大學(xué)資源工程學(xué)院副教授。,王運敏,中國工程院院士,博士生導(dǎo)師,國務(wù)院特貼專家,中國中鋼集團有限公司首席專家,金屬礦山安全與健康國家重點實驗室主任。他是我國金屬礦開采領(lǐng)域著名專家,長期致力于金屬礦山開采關(guān)鍵技術(shù)研究工作,主持并承擔了30余項國家與省部級重點課題的研究與應(yīng)用工作,憑借多項創(chuàng)新技術(shù)與成果,在礦山高效開采、綠色開采、高效運輸、災(zāi)害控制等方面作出了突出成績,取得了顯著的經(jīng)濟和社會效益。,顧清華(1981--),男,山東諸城人,西安建筑科技大學(xué)教授,博士生導(dǎo)師,主要致力于礦業(yè)系統(tǒng)工程及智能采礦的教學(xué)和科研工作,主持國家、省部及廳局級等各類科研項目30余項,在國內(nèi)外重要學(xué)術(shù)期刊共發(fā)表論文60余篇,其中SCI/EI收錄25篇,入選ESI熱點論文1篇,參編著作2部,申請并授權(quán)發(fā)明專利及軟件著作權(quán)10余項;以主要完成人獲省部級科技進步獎3項、廳局級科技進步獎3項。目前擔任中國煤炭學(xué)會礦業(yè)系統(tǒng)工程專業(yè)委員會委員、陜西省有色金屬學(xué)會采礦分會副主任委員、中國有色金屬學(xué)會礦山信息化與智能化專業(yè)委員會委員等。,盧才武,工學(xué)博士,湖北仙桃人,現(xiàn)為西安建筑科技大學(xué)管理學(xué)院副院長、礦山系統(tǒng)工程研究所所長、教授、博士研究生導(dǎo)師。一直從事信息管理與信息系統(tǒng)方面的教學(xué)和科研工作,在信息技術(shù)與礦山信息化、資源系統(tǒng)優(yōu)化與管理以及生產(chǎn)控制理論與應(yīng)用等方面做了大量工作,已完成了一些理論研究成果。近5年來主持或參與了25項科研工作,其中有國家自然科學(xué)基金重點項目、國家自然科學(xué)基金項目和省部級自然科學(xué)基金項目10余項,公開發(fā)表研究論文50余篇,合作出版著作四部。2002年獲霍英東教育基金會第八屆高等院校青年教師基金資助。2004年獲陜西省高等院?萍歼M步三等獎(排名第一),中國冶金科技進步三等獎(排名第二),2007年被評為校第二屆教學(xué)名師,2012年獲陜西省教學(xué)成果二等獎(排名第一)。目前為陜西省特色專業(yè)“信息管理與信息系統(tǒng)”負責人,兼任中國管理科學(xué)與工程學(xué)會理事、中國金屬學(xué)會采礦分會常務(wù)理事兼礦山系統(tǒng)工程專業(yè)委員會主任委員、中國煤炭學(xué)會礦山系統(tǒng)工程專業(yè)委員、陜西金屬學(xué)會采選專業(yè)委員會主任委員、西安市系統(tǒng)工程學(xué)會和西安市經(jīng)濟研究會理事,陜西有色金屬學(xué)會采礦專業(yè)委員會副主任委員以及《金屬礦山》雜志社第二屆專家委員會副主任、《中國鉬業(yè)》雜志第六屆編委會委員和西安市安全生產(chǎn)專家委員會專家。
目錄1 圖像理論基礎(chǔ)本章重難點思維導(dǎo)圖1.1圖像技術(shù)的起源與發(fā)展1.2圖像原理1.3硬件原理1.4實驗平臺介紹小結(jié)思考題參考文獻2 傳統(tǒng)圖像工程本章重難點思維導(dǎo)圖2.1 圖像的特征與噪聲2.2 圖像增強2.3 特征提取2.4 機器學(xué)習(xí)與圖像工程小結(jié)思考題參考文獻3 深度學(xué)習(xí)與計算機視覺重難點思維導(dǎo)圖3.1 深度學(xué)習(xí)簡介3.2 深度學(xué)習(xí)基礎(chǔ)理論3.3神經(jīng)網(wǎng)絡(luò)發(fā)展3.4卷積神經(jīng)網(wǎng)絡(luò)的組成及相關(guān)技術(shù)3.5 現(xiàn)代卷積神經(jīng)網(wǎng)絡(luò)模型3.6 輕量化模型3.7 Transformer模型3.8 圖像數(shù)據(jù)集小結(jié)思考題參考文獻4 目標檢測實戰(zhàn)本章重難點思維導(dǎo)圖4.1目標檢測技術(shù)4.2傳統(tǒng)目標檢測階段4.3基于深度學(xué)習(xí)的目標檢測階段——兩階段算法4.4基于深度學(xué)習(xí)的目標檢測階段——單階段算法4.5基于YOLOv5的目標檢測實戰(zhàn)指南小結(jié)思考題參考文獻5 語義分割實戰(zhàn)本章重難點思維導(dǎo)圖5.1語義分割技術(shù)5.2語義分割的發(fā)展歷史5.3基于UNet的語義分割實戰(zhàn)指南小結(jié)思考題參考文獻6 機器視覺的礦業(yè)應(yīng)用本章重難點思維導(dǎo)圖6.1礦山開采工藝流程6.2 主要應(yīng)用場景6.3案例分析6.4展望小結(jié)思考題參考文獻