基于深度卷积特征的露天矿卡车装载状况识别技术研究

针对露天矿车辆运输过程中运载量管控受人为及环境等因素干扰较大,存在轻车跑票和人为套票等不利于生产管理的问题,提出了一种基于深度卷积特征的车辆装载状况识别方法。该方法通过构建试验数据集和对卷积神经网络AlexNet模型迁移学习,完成对露天矿卡车装载状况图像深度卷积特征的提取,并基于支持向量机多分类模型,实现对卡车装载状况的自动识别,在此基础上统计露天矿车队运载工作量。试验过程中,基于同一组试验数据集分别对GoogLeNet、ResNet、SqueezeNet、DenseNet模型进行迁移学习,提取卡车装载状况图像深度卷积特征,并使用同一支持向量机多分类模型对卡车装载状况进行自动识别。结果表明,在空间资源和时间资源约束下,迁移学习后的AlexNet模型在5种卷积神经网络中总体性能表现最佳,用其提取的图像深度卷积特征在卡车装载状态识别中准确率最高。相比于传统的人工设计图像特征,该方法能够更好地完成露天矿卡车装载状况自动识别任务,试验数据集的识别准确率达到97%以上,在此基础上对露天矿车队运载工作量进行统计,可有效鉴别露天矿卡车的实际装载状况,提高露天矿卡车运载的吨公里生产效率,有效解决露天矿...     

某硫铁多金属矿三维模型构建与资源储量估算

数字矿山已成为近年来矿山研究的热点和重点.根据内蒙某大型多金属矿②-2号、④-2号、⑤号矿体地质勘探资料和生产资料,基于3DMine软件建立地质数据库,圈定多金属矿体边界,构建矿体三维模型和块体模型,完成多金属矿体品位估算和资源储量估算.在3DMine软件中,利用距离幂次反比法估算的矿体资源储量为2260.26万t,与地质报告中估算的2270.64万t相比,结果误差小于2％,储量估算结果可靠.     

基于视频图像的储煤场煤堆自燃检测方法

在储煤场长期储煤的过程中,煤堆自燃会造成巨大的经济损失.根据煤炭自燃初期会产生烟雾的特点,提出一种基于视频图像的煤堆自燃检测方法.对储煤场视频图像进行预处理,以改善图像质量;结合差分图像和滤色规则提出一种疑似烟雾区域检测算法,进一步提取疑似区域的LBP纹理特征和HOG梯度特征;使用支持向量机(SVM)进行烟雾的综合判定...     

基于自适应MSRCP算法的煤矿井下图像增强方法

煤矿井下视频监控技术是保障矿井安全生产的重要手段,而图像的质量直接关系到监控的有效性.多尺度Retinex算法被广泛应用在矿井图像增强上,为了达到最佳效果,往往需要手动调整高斯尺度、增益和偏移等参数.为了解决这一问题,提出一种基于自适应MSRCP算法的煤矿井下图像增强方法,使用粒子群优化算法(PSO)对带有颜色保护的多...     

基于GPS的露天矿动态路径生成算法

在露天矿运用车载GPS进行矿车监控和矿岩量运载统计时,经常出现车辆定位漂移和运载统计不准确等问题。为此,提出用于车辆定位漂移的判断和校正方法,运用信息素思想设计一种车辆运载动态路线生成算法,该算法能够对露天矿全矿路线图进行动态更新,使矿车在一个相对标准的固定路线上行驶,从而解决车载GPS定位漂移问题,提高车辆定位的精度及运载统计的准确度。理论分析和应用结果表明,该算法有效可行。     

基于改进HMM纠偏算法的露天矿车辆高精度定位方法

针对露天矿区复杂路网背景下容易出现车辆定位偏差,严重影响生产车辆路径规划和智能调度的问题,提出了一种基于改进隐马尔可夫模型的露天矿车辆高精度定位纠偏方法。通过对构建的露天矿复杂路网地图进行路段裁剪处理以及对矿车定位轨迹数据清洗、密度稀疏化和分段处理等,建立缓冲区搜索轨迹候选路段点,从而提高复杂路网下矿车定位纠偏效率;通过计算矿车定位观测概率和转移概率建立定位纠偏HMM优化模型,并结合Viterbi算法计算最优纠偏结果,实现对露天矿车的高精度定位纠偏。研究结果表明,该方法纠偏效果优于原始HMM定位纠偏方法,纠偏准确率可达到89.2%,平均纠偏时间仅需0.055 s,能够实现对复杂背景下露天矿车辆定位坐标的有效纠偏。     

多金属露天矿多目标生产计划优化问题建模及求解算法

针对多金属露天矿山生产计划优化问题难以建模、求解复杂等问题,从多种金属元素、采掘运输成本以及矿石品位三个角度出发,综合考虑矿石产量、品位波动、矿石资源利用率、开采和处理能力以及回采率等多种影响因素,构建了一个多金属露天矿多目标生产计划模型。受粒子群算法启发,提出一种改进狼群算法(IGWO)对模型进行求解,并引入反向学习策略和非线性收敛策略来提高算法的求解效率。以国内某露天矿的实际生产为例,分别利用粒子群算法(PSO)、灰狼算法(GWO)和IGWO算法对模型进行求解对比。结果表明:该生产计划模型更加符合露天矿多种矿产资源综合开采利用的实际需求,IGWO算法较PSO算法运行速度上提高了71%,在求解精度上提高16%。该生产计划方案对多金属露天矿山矿产资源综合利用及精细化排产具有重要的指导意义,可促进企业可持续发展。     

基于RCR _YOLOv4的矿井巷道红外障碍检测研究

针对地下矿井巷道光线昏暗的道路上会出现落石或行人等行车障碍物,严重影响无人驾驶矿卡安全行驶的问题,提出了一种基于红外视觉识别的巷道障碍物快速检测优化模型RCR_YOLOv4。该模型利用K-Means++优化算法筛选巷道障碍物的先验框尺寸,并引入深度可分离卷积降低网络参数量和计算量,从而提高障碍目标的定位精度和检测效率。通过设计双通道注意力机制对网络特征融合模块进行优化,实现对无人矿卡行车障碍的高精度检测。结果表明,该目标检测模型对矿井道路障碍的检测准确率达到93.52%,检测速度达到60.6 FPS,能够为矿井巷道复杂环境下无人矿卡安全行驶提供保障。     

基于径向空间划分的昂贵多目标进化算法

为了解决难以建立精确数学模型或者真实评估实验成本高昂的多目标优化问题, 提出了一种基于径向空间划分的昂贵多目标进化算法. 首先算法使用高斯回归作为代理模型逼近目标函数; 然后将目标空间的个体投影到径向空间, 结合目标空间和径向空间信息保留对种群贡献更高的个体; 之后由径向空间中个体的位置分布决定下一步应该选择哪些个体进行真实评估; 最后, 采用一种双档案管理策略维护代理模型的质量. 数值实验和现实问题上的结果表明, 与5种先进算法相比, 该算法在解决昂贵多目标优化问题时能够提供更高质量的解.