基于深度学习技术的爆堆块度识别方法研究

作     者：陈立军 蔡国强 张文斌 CHEN Li-jun;CAI Guo-qiang;ZHANG Wen-bin

作者机构：中铁十九局集团矿业投资有限公司新巴尔虎右旗分公司满洲里021400 

出 版 物：《爆破》 (Blasting)

年 卷 期：2024年第41卷第1期

页      面：196-201,220页

学科分类：08[工学] 080104[工学-工程力学] 0815[工学-水利工程] 0801[工学-力学（可授工学、理学学位）] 

主　　题：爆堆块度 深度学习 单目成像 矿石分割 

摘      要：在露天矿爆破开采过程中,大块率是评价爆破质量的一个重要指标。较高的大块率不仅会大大降低采装效率,同时也增加二次破岩的费用,因此大块率统计是露天矿开采中一项重要工作。针对目前矿山存在的矿岩大块率统计复杂且准确性不高的问题,以乌努格吐山铜钼矿为研究对象,收集了矿区内台阶爆破爆堆图像数据,构建了基于深度学习的爆堆大块率统计模型。首先基于U-net矿岩图像分割模型,初步分割标注处理的数据集,建立了矿岩轮廓初次分割效果图。在残差学习模块基础上,改进Resu-net模型,优化训练标注数据,获得了最终矿岩轮廓分割效果图。最后,采用OpenCV图像处理技术,通过最小外接矩形法确定了爆堆块度尺度信息。结果表明,本研究提出的U-net+Resu-net爆堆块度优化分割模型准确率达到97.84%,爆堆矿岩图像分割数据较准确。通过OpenCV技术与相机单目成像原理相结合的方法,实现了倾斜爆堆矿岩图像的爆堆块度统计。此外,所开发的交互式界面操作简单,可快速统计大块尺寸。满洲里乌努格吐山铜钼矿的应用表明,该方法可高效、准确统计爆堆块度,具有一定的推广价值。