基于边缘计算的砂砾粒径测量系统

砂砾的浓度是评价沙尘暴等风沙气象危害程度的重要因素,而沙尘浓度是砂砾的外在表现,客观精确地测量砂砾的粒度分布对于风沙流动研究和荒漠化防治有重要意义。以砂砾的粒度分布作为研究对象,搭建基于边缘计算的砂砾粒径测量系统。感知层中,砂砾经振动平台均匀落入暗室,线阵相机采集的图像经数据层读取,在全局阈值分割、形态学处理后获取砂砾目标,使用连通域标记、最小外接圆、最小外接矩形算法测量直径;边缘部署基于PyQt5开发的上位机软件,融入粒径检测算法,提高算法执行效率。采用(3.000±0.005)mm标准规格钢珠,针对3种算法开展砂砾粒径测量系统精度评价实验分析。实验结果表明,连通域标记法在精度、速度表现最好,测量平均误差为0.070 mm,最大误差为0.151 mm。最后,对3种不同规格砂砾开展粒径分布测试实验,粒径识别准确率在95.5%以上,边缘计算设备对分辨率为3 993×4 096图片的计算时间分布在46.1~50.7 ms。研究证明,本系统具有较高的检测精度和检测效率,可以满足科研观测等现场实验的基本要求,具有良好的应用价值。

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,有效解决露天矿山车辆运载工作量的管控问题。

充填体荷载作用下采空区顶板稳定性研究

在金属矿山的回采过程中,充填体下采空区顶板结构普遍存在于利用充填体进行回采的矿山。确定合理厚度在矿山开采过程始末具有重要的安全意义和经济价值。本文合理简化顶板力学模型,运用突变理论分析方法,依据尖点突变模型失稳的充要条件,从而得出充填体荷载作用下采空区顶板厚度的计算式。结合矿山实例,对其合理性进行验证。研究表明:将尖点突变模型运用到顶板结构稳定性分析及顶板厚度设计中是合理可行的。

一种基于轨迹矢量图的矿山车辆运输次数自动提取方法

在矿山生产领域,车辆的运输量统计是矿山日常工作的重要内容之一,直接影响着矿岩采玻量计算,短期质量控制反馈,及工作量考勤核算等重要环节。通常,人们将车辆的历史轨迹数据进行可视化显示,通过人工观察轨迹线,在地图上逐个记录轨迹线数量的方法统计车辆运输次数。这种方法工作效率低下,随着轨迹数量的增多,人工统计的难度、速度和误差率开始无法被矿山企业统计工作要求所接受。为此,提出了一种基于轨迹矢量图的矿山车辆运输次数自动提取方法,首先回放车辆所有轨迹,绘制出历史轨迹矢量图,其次,通过绘制辅助线的方法自动计算辅助线与轨迹线的交点个数,从而得出车辆运输次数。该方法克服了传统人工记录工作量大、误差高和速度慢等缺点,从而提高统计人员工作效率,具有较大的推广和应用价值。

浅析鄂尔多斯露天煤矿土地复垦监管

鄂尔多斯煤炭资源富集,露天煤矿数量多规模大,矿山企业开采造成的土地破坏问题较为突出,露天煤矿土地复垦存在监管体系不健全、重视程度不够、部门多头监管和信息不对称等问题。文中针对这些问题,提出加强露天煤矿土地复垦监管的对策建议。