发现知乎上讨论这种问题的大佬们好少,可能没时间写吧,哈哈,毕竟太忙了,另外知乎上讨论这类土木学术问题的人也好少啊,感觉讨论氛围不如建筑学领域那边。
这次我想提一个方向:图像识别技术。
源自我在知网搜索爆破工程的时候,突然发现这样一篇硕士论文“基于双门限阈值的爆堆岩块图像分割技术及图像识别系统开发”,翻译成大白话就是利用图像分割技术来分析爆破后的岩石块度。
这个方向还是很新的,感觉豁然开朗,我相信土木行业也有不少同学和研究生大佬在搞这一块的图像识别技术了。
歪个楼,对其他方向感兴趣可以参考我这个文章:
然后继续讨论图像识别的应用。
这位师兄研究的是岩石的块度问题,因为这个岩石块度是评价爆破之后的一种技术指标,可以直接影响后续铲运、破碎及粉磨等工序成本和效率。这就是一个最朴素的工业背景。
这位师兄在论文中完成了这样的工作:
“首先对大规模爆破爆堆特点进行研究,明确爆堆图像的特性,进而解决图像分割技术中存在的问题,达到保留岩块边缘的同时,尽可能去除岩块表面噪声,同时有效区分目标与背景的目的;其次,开发一套完整的集分辨率推导、预处理、图像分割、分析、统计和报表结果输出于一体的自动处理系统,根据不同的具体问题选用或扩充新的处理功能,解决爆堆图像处理系统开发过程中灵活性及可扩展性不足的问题。”
本质上,师兄的论文中已经不再像传统岩土一样讨论各种力学,而是充满了各种图像识别算法和计算公式。
从整体来讲,这更像是把图像识别和处理的算法,拿到土木工程中应用,应用到这个场景里面。
所以这其中就涉及到很多问题等待研究生和博士生同道们去发现和总结,光是识别岩石块度就需要解决图像的获取、降噪、分割等等,在具体的编程和开发中又会遇到各种问题,可以说都是和计算机有关,仔细一想,除了这个场景是岩土的,其他各类知识都是人工智能与深度学习领域的。
这个方向也很好发文章,不知道算不算降维打击。而且做这些课题,对电脑的性能要求高,对现场试验之类的各种要求降低,更方便了不喜欢做实验的同学,研一学的一手好编程,研二开始搞论文,这也是一种发展方向。
在铁路领域也有应用:
不得不说,卷积神经网络模型近些日子比较火,应用于图像识别解决工程问题的案例也数不胜数。
图像识别主机通过STP车载主机获取调车机行驶方向,并控制外置摄像头采集调车车列前方的图像。
外置摄像头采集到的停留车辆样本,采用该卷积神经网络的调车机车前方车列图像识别算法对采集的图像进行识别,若识别出有停留车辆,则控制测距设备测量调车车列与停留车辆之间的距离,并实时将识别结果传送给STP车载主机。
STP全程监听图像识别主机发送的信息,实时比较系统距当前防护点距离及图像识别主机监测的停留车辆防护距离,更新系统安全侧的防护距离,从而防止调车车列超速连挂,实现对未知位置停留车辆的防护。
最近这些方向会越来越多,可以多多交流。