基于DeepLabV3+与3DGStream的火电厂渣堆三维成像系统

摘要

针对火电厂渣堆人工观测存在传统设备受烟尘干扰且实时性差的问题，本文提出融合语义分割与三维重建技术的渣堆三维成像系统。首先，系统以“上六中六”双层12视角摄像头采集图像，经自适应双边滤波去除烟尘噪声、保留渣堆细节;其次，通过迁移学习优化的Deep Lab V3+模型[验证集交并比(Io U)超87%]分割前景;最后，用三维高斯流算法(含神经变换缓存与自适应高斯增补)实现动态重建。实验表明，系统在不同烟尘下平均重建时间约12 s，峰值信噪比(PSNR)达34.61～36.77 d B、结构相似性(SSIM)超0.96、学习感知图像块相似度(LPIPS)低至0.014～0.055，兼顾时效性与精度，为火电厂渣堆无人化监测提供支撑，未来可结合多模态技术优化极端工况适应性。

关键词

三维重建 / 语义分割 / 火电厂 / 放渣系统