基于U-Net和改进分水岭算法的露天矿爆堆矿石图像分割方法

爆破大块率是反映爆破效果的关键指标,其统计精度主要依赖于爆堆矿石图像分割的准确性。由于爆堆矿石图像中存在矿石目标分布密集、边缘对比度低等问题,致使传统图像分割方法难以准确分割爆堆矿石图像。因此,提出了一种基于U-Net和改进分水岭算法的露天矿爆堆矿石图像分割方法,以实现大块率的精准统计。首先利用无人机在哑巴岭露天矿爆破现场拍摄爆堆矿石图像,制作爆堆矿石图像数据集;然后利用深度学习算法建立了UNet网络架构,同时融合了高级语义信息和低级语义信息,建立了爆堆矿石图像分割模型,再利用训练后的模型对爆堆矿石图像进行初步分割,进一步采用基于距离运算的分水岭算法优化了分割结果;最后评估了该方法的分割精度。试验结果表明:该算法可准确分割露天矿爆堆矿石图像,为露天矿爆破大块率统计、爆破效果智能评价提供技术支持。

露天矿弧形钻孔空间姿态参数解算及自由抵抗距爆破预警方法

爆破作业是露天矿生产的重要工序,钻孔空间姿态参数分析和安全预警是爆破安全性和经济性的重要保障,因此针对露天矿钻孔空间姿态参数解算及其最小自由抵抗距爆破预警的研究尤为重要。然而在实际生产过程中,受自然地质、钻探工艺等因素影响,部分钻孔无法沿预定空间直线方向掘进,偏离掘进轨道,形成了弧形钻孔。针对弧形钻孔姿态数学表征困难和自由抵抗距分析不足的问题,以测斜仪和无人机摄影测量数据为基础,提出了一种露天矿弧形钻孔空间姿态参数解算及其自由抵抗距爆破预警方法。研究结果表明:该方法可准确解算弧形钻孔空间姿态参数,进而实现自由抵抗距爆破预警,可为露天矿爆破作业提供技术支撑。

超声法在基桩混凝土检测中的应用

结合声波法检测的理论知识和玉蒙铁路东山通建特大桥基桩检测项目的实践情况,介绍了声波透射法的应用,并对超声波法在基桩检测中的基本理论、检测方法及判别标准进行了分析,并对检测结果进行了分析,从而使桩身完整性的评价更为客观,准确。