中国科技核心期刊
美国化学文摘社（CAS）数据库
美国EBSCO学术数据库
日本科学技术振兴机构数据库(JST)
基于3D视觉的炮孔智能识别方法研究
- 作者：
- 胥维|迟洪鹏|战凯
- 作者单位：
- 矿冶科技集团有限公司&北京北矿亿博科技有限责任公司|矿冶科技集团有限公司&北京北矿亿博科技有限责任公司|矿冶科技集团有限公司
基金项目：
- 国家重点研发计划项目(2023YFC2907402)
详细信息：
- 作者简介：
- 胥维（1996—），男，工程师，硕士，研究方向为计算机视觉、深度学习、智能爆破；E-mail：xuwei@bgrimm.com
- 通讯作者：
- 迟洪鹏（1983—），男，正高级工程师，博士，从事智能化工业炸药现场混装技术与装备、机器人、智能工厂等方面的技术研究工作；E-mail：hongpengchi@163.com
- PDF下载
Research on intelligent blast hole recognition method based on 3D vision
- English Author：
- BGRIMM Technology Group&BGRIMM Explosives & Blasting Technology Co.,Ltd.|BGRIMM Technology Group&BGRIMM Explosives & Blasting Technology Co.,Ltd.|BGRIMM Technology Group
- Unit：
- 摘要
- 在线预览
- 参考文献
摘要:
针对露天矿山炮孔识别技术进行了深入研究，提出并比较了2种炮孔智能识别方法：基于三维点云的炮孔识别方法和基于目标检测的炮孔识别方法。通过选用不同视觉感知设备，在多个露天矿山环境下进行了试验验证和性能分析。研究发现，2种方法均能有效识别炮孔，具体来说，基于三维点云的炮孔识别方法识别精确率为90 %，基于目标检测的炮孔识别方法识别精确率为97.91 %。通过对2种方法的硬件设备、数据处理流程和应用潜力进行详细比较，结果表明，结合人工智能技术，炮孔识别技术在智能化炸药现场混装车等采矿装备中具有广阔的应用前景，对推动采矿技术进步，实现无人、高效、安全的矿山开采模式具有重要理论与实际意义。
关键词:
露天矿山；炮孔识别；3D视觉；YOLOv8；无人装药；深度学习；目标检测
Abstract:
An in-depth study on blast hole recognition technology in open-pit mines is conducted,proposing and comparing 2 intelligent blast hole recognition methods:a 3D point cloud-based method and a target detection-based method.Experiment verification and performance analyses were carried out in various open-pit mining environments using different visual perception devices.The study reveals that both methods effectively recognize blast holes,with the 3D point cloud-based method achieving a recognition accuracy of 90 %,and the target detection-based method achieving an accuracy of 97.91 %.Detailed comparisons of hardware devices,data processing workflows,and application potential between the 2 methods indicate that when integrated with artificial intelligence technologies,blast hole recognition technology holds significant promise for applications in intelligent on-site bulk charging trucks and other mining equipment.This advancement plays a vital theoretical and practical role in promoting mining technology,enabling unmanned,efficient,and safe mining operations.
Keywords:
open-pit mine;blast hole recognition;3D vision;YOLOv8;unmanned charging;deep learning;target detection