基于深度学习的智能爆破矿岩块度自动分析系统

摘要：

在露天开采领域,自动、准确地获取爆堆矿岩块度信息是优化爆破设计的关键.针对目前块度分析系统存在无法自动采集和自动批量处理图像的问题,提出一种基于深度学习的矿岩块度自动分析系统,该系统主要由基于MobileNet分类模型的自动采集子系统和基于U-Net语义分割模型的自动分析子系统组成.系统自动连续采集旋回破碎站的电动轮卸矿图像,通过4G网络上传云平台进行块度信息自动分析,分别对分类模型和分割模型进行定量、定性评估,其中分类模型在测试集上的精度达到98.08％,矿石分割模型的矿石类别Io U达到78.43％.将系统部署到某矿露天采区旋回站,通过一年多的工业生产实践,结果表明,本系统达到了设计要求,实现从采集到分析、信息展示全流程的自动化、无人化、智能化,可以进一步为智能爆破提供数据支持.

关键词：深度学习、MobileNet、U-Net、云平台、块度测量、矿岩块度、自动分析、智能爆破

所属期刊栏目：74

分类号：TD05;TP3-05

资助基金：江西铜业集团重大科研项目;包钢钢联股份科研项目

在线出版日期：2022-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：5-12