仪器网(yiqi.com)欢迎您!

| 注册2 登录
网站首页-资讯-专题- 微头条-话题-产品- 品牌库-搜索-供应商- 展会-招标-采购- 社区-知识-技术-资料库-方案-产品库- 视频

技术中心

当前位置:仪器网>技术中心> 行业标准> 正文

《J. Comput. Civ. Eng.》--无人机高光谱图像与人机交互增量半监督学习相结合的材料状况评估

来源:北京安洲科技有限公司 更新时间:2025-08-20 18:00:20 阅读量:161
导读:人机协同增量学习方法可作为基于机载高光谱影像的结构材料和损伤检测的高效方法。

点击上方蓝字关注我们




无人机高光谱图像与人机交互增量半监督学习相结合的材料状况评估
英文: Structural Material Condition Assessment through Human-in-the-Loop Incremental Semisupervised Learning from Hyperspectral Images

研究单位

密苏里大学

美国橡树岭国家实验室


摘要

在役工程系统中的材料呈现出复杂的模式,包括结构损伤、环境伪影和人为异常。近年来,机器视觉方法得到了广泛的研究,其中大多数方法使用可见光波段的常规灰度或彩色图像训练模型,并使用大量数据在像素级进行标记。该研究推荐使用高光谱成像(HSI)进行结构材料状况评估。与可见光图像相比,研究的挑战在于具有高维光谱轮廓的HSI像素超出了人类的感知能力,具有隐藏的判别能力。从标记和未标记数据中学习是释放这种能力的一种直接方法。该研究开发了一种支持深度神经网络的空间光谱特征提取和半监督学习架构。对人机交互(HITL)框架与三种增量训练数据配置方案进行了比较研究,得出以下实证结论:(1)完全监督学习决定了检测性能的基线;(2)对于增量半监督学习,未标记数据和标记数据之间存在广泛的比率值,并且1:1可以视为一个保守且可操作的比率;(3)通过具有相等标记和未标记数据参与度的参数半监督学习,所提出的HITL操作工作流程可以作为基于HSI的结构材料和损伤检测的高效方法。

研究数据

高光谱数据:高光谱数据由Cubert S185机载高速高光谱成像仪获取。该成像仪采用框幅式高光谱成像技术,能以更快的速度进行所有光谱通道同步成像,在1/1000秒内获得整个高光谱立方体数据,配套功能强大的测量及处理软件,快速获取大面积高光谱图像,影像具有厘米级地理坐标信息。

研究过程

图 1 移动式HSI系统:(a)地面场景;(b)无人机场景

图2 HSI图解:(a)现场场景(红色边框为高光谱成像视野);(b)高光谱影像RGB图;(c)人工标记图像(黑色:裂缝;红色:色斑;绿色:植被;棕色:干枯植被;白色背景:结构材料(混凝土或沥青);(d)裂缝、植被和色斑的代表性光谱曲线

图3 (a)仅需一次人工的完全监督机器学习;(b)具有增量数据准备的HITL半监督ML

图4 SS-DL中的深度空间-光谱特征提取网络(不包括TSVM)

表1 具有不同训练数据规模以及标记和未标记数据参与率的参数化全监督和半监督模型

图5 分类结果(黑色:裂缝;红色:色斑;绿色:植被;棕色:干枯植被;白色背景:沥青)(a)地面真值;(b)??Full100;(c)??Semi_VP3030;(d)??Semi_VP5050;(e)??Semi_EP2080;(f)??Semi_EP3070
表2 全监督模型精度评估
表3 ??Semi_VP精度评估及其与??Full的差异比较
图6 具有变量参与的半监督模型的性能:(a)使用相同大小标记数据训练的完全监督模型的OA和Kappa系数比较;以及(b)对比模型对之间的总体精度差异
图7 具有平等参与度的半监督模型的性能:(a)使用相同大小标记数据训练的完全监督模型的OA和Kappa系数比较;以及(b)对比模型对之间的总体精度差异

图8 基于HSI的基础设施评估的HITL和SSL流程

研究结论

该研究的主要贡献体现在两个方面:其一,探索了半监督深度学习方法并提出了相应的学习方案;其二,提出并验证了一套增量机器学习的技术流程。这些成果有望对机器视觉支持的结构与基础设施状况检查领域产生积极影响。
当前,该领域的大多数研究依赖于常规或彩色图像,并需投入大量人力进行大规模标注,以训练基于深度学习的检测模型。相比之下,该研究提出的高光谱图像人机协同增量学习方法,有望显著提升复杂场景下的检测精度。这些复杂场景的特征差异,主要体现在高维光谱像素及其蕴含的空间上下文信息中。通过结合少量标注数据与未标记数据集,该HITL工作流程允许分析人员依据经验判断,在模型性能达到可接受水平时终止迭代,从而有效避免标注资源的浪费。


原文链接:

https://doi.org/10.1061/JCCEE5.CPENG-5939

END







X20P-LIR一体式
多源遥感系统
X20P-LIR一体式多源遥感系统是一款多功能无人机遥感设备,集激光雷达、热红外及高光谱成像为一体,实时同步获取激光雷达、红外及高光谱图像数据。主要功能包括:基于光场技术的高光谱成像,光谱范围350~1000nm、5MP高清全色相机、测距达450m(@80%Ref)的固态激光雷达、大面阵高精度热红外成像;主机内置控制系统、高精度惯导及固态存储,整机重量轻、操作简单,适合M300/M350 RTK无人机搭载使用。
是国家高新技术企业,拥有多项发明专利及著作软件,并通过ISO9001质量管理体系认证。我们专注于遥感技术领域高端科研设备及服务十余年,已为国内数百家科研单位及高校提供了各种遥感设备及技术支持,服务范围遍布全国。愿与遥感领域的各科研单位及高校建立长期合作关系,为科研人员提供真正有价值的无人机遥感设备和全面而专业的技术服务!

总部地址:
北京市海淀区中关村软件园东区
全国服务电话:4006-507-608   
网址: www.azup.cn   
E-mail:info@azup.cn

各地办公室
上海办:021-54155790   sh@azup.cn
广州办020-28171197   gz@azup.cn 
武汉办:027-87336236   wh@azup.cn
西安办:029-81545954   xa@azup.cn 

往期推荐






《IEEE T GEOSCI REMOTE》--基于无人机高光谱影像和LiDAR数据的土地覆被分类


《COMPUT ELECTRON AGR》--基于无人机的高光谱到图像变换和CNN迁移学习改进大豆LCC估算


《IEEE T GEOSCI REMOTE》--基于无人机高光谱影像优化水稻地上生物量估算

参与评论

全部评论(0条)

相关产品推荐(★较多用户关注☆)
你可能还想看
  • 技术
  • 资讯
  • 百科
  • 应用
版权与免责声明

①本文由仪器网入驻的作者或注册的会员撰写并发布,观点仅代表作者本人,不代表仪器网立场。若内容侵犯到您的合法权益,请及时告诉,我们立即通知作者,并马上删除。

②凡本网注明"来源:仪器网"的所有作品,版权均属于仪器网,转载时须经本网同意,并请注明仪器网(www.yiqi.com)。

③本网转载并注明来源的作品,目的在于传递更多信息,并不代表本网赞同其观点或证实其内容的真实性,不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时,必须保留本网注明的作品来源,并自负版权等法律责任。

④若本站内容侵犯到您的合法权益,请及时告诉,我们马上修改或删除。邮箱:hezou_yiqi

热点文章
智慧之眼守田垄 孢子监测护丰收——远程智能田间孢子捕捉系统赋能现代农业
在线近红外液相分析仪表
掌心的“视程卫士”:便携式能见度监测预警仪赋能安全防线
光感赋能 智测雨情——光学降雨量监测系统的技术突破与应用
光感慧眼护通途——非接触式路面状况检测器的智能守护
赋能+全链闭环:智能虫情识别监测系统筑牢农业生产安全防线
透皮贴剂流变特性测试技术系列篇(一)——相关法规汇总及解读
手持式电波雷达流速仪:非接触式科技重构水文监测新范式
智筑水文“哨兵” 守护河湖安澜——中小河流水文监测预警系统的实践与价值
穿透水域的“精确之眼”:高精度多功能超声波测深仪的硬核实力
近期话题
相关产品

在线留言

上传文档或图片,大小不超过10M
换一张?
取消