Библиографическое описание:АДАПТИВНЫЕ МОДЕЛИ МАШИННОГО ЗРЕНИЯ ДЛЯ МОНИТОРИНГА ДЕФОРМАЦИЙ ПОРОДНЫХ МАССИВОВ : научное издание / В. В. Кукарцев, Л. В. Красовская. - Текст : непосредственный // Известия Тульского государственного университета. Науки о Земле. - 2025. - № 3. - С. 297-302. - ISSN 2218-5194.
Аннотация:Рассмотрено применение адаптивных моделей машинного зрения для мониторинга деформаций в породных массивах. Предложенный подход основан на использовании сверточных нейронных сетей, модифицированных для выявления мелкомасштабных изменений текстуры поверхности. Проведенные эксперименты показали высокую чувствительность алгоритма к микротрещинам и локальным смещениям, которые фиксировались задолго до их визуального проявления. Результаты подтвердили устойчивость модели к изменению условий освещенности, углов наблюдения и качеству изображений, что обеспечивает универсальность применения. Сравнение с традиционными методами показало более высокую точность и оперативность анализа, а также возможность использования технологии в режиме, близком к реальному времени. Полученные данные свидетельствуют о перспективности внедрения адаптивных алгоритмов машинного зрения в системы геомониторинга для повышения безопасности эксплуатации горнотехнических объектов.
This study explores the application of adaptive computer vision models for monitoring deformations in rock masses. The proposed approach employs convolutional neural networks modified to detect small-scale surface texture changes. Experimental results demonstrated high sensitivity of the algorithm to microcracks and local displacements, which were identified long before they became visible to the human eye. The findings confirmed the model’s robustness to variations in lighting conditions, observation angles, and image quality, ensuring versatility in different operational settings. Comparison with traditional methods revealed higher accuracy and faster analysis, along with the capability of near real-time operation. The results highlight the potential of implementing adaptive computer vision algorithms in geomonitoring systems, providing improved safety in the exploitation of mining and engineering structures.
