基于计算机视觉的爆破块度分布统计

爆破块度是评价矿山爆破效果的重要指标。传统的块度统计方法存在效率低、限制多等问题。基于计算机视觉的爆堆块度统计方法，具有高效、精确、灵活的优势。针对爆堆块度统计的计算机视觉识别问题，提出了一种结合Mask B-R-CNN和HSV变换的形态学优化的块度统计方法，并对实验室和鞍千矿业公司的矿山现场爆堆块度统计进行了验证。结果表明，与筛分法相比，基于计算机视觉的爆堆块度分布统计方法的误差小于3%,验证了该方法用于爆堆块度统计的可行性。矿山现场试验结果表明，与传统的矿岩区域提取方法相比，该方法提取矿岩区域更为精准，可应用于鞍千矿业公司的矿山现场；3个爆堆块度分布的累计概率曲线相似，大块率分别为4.21%、3.37%、3.12%,爆破效果较好。