典型文献
基于深度学习的智能爆破矿岩块度自动分析系统
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
胥维;段云;王博楠
作者机构：
北京矿冶研究总院,北京100160;矿冶科技集团有限公司,北京100160
文献出处：
引用格式：
[1]胥维;段云;王博楠-.基于深度学习的智能爆破矿岩块度自动分析系统)[J].有色金属（矿山部分）,2022(05):5-12
A类：
矿岩块度,块度测量
B类：
智能爆破,自动分析,露天开采,爆破设计,块度分析,自动采集,批量处理,MobileNet,分类模型,集子,语义分割,分割模型,系统组成,连续采集,旋回,破碎站,电动轮,4G,定性评估,测试集,矿石,Io,系统部署,采区,生产实践,本系,信息展示,无人化
AB值：
0.325432
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
