CN112184599A - 爆堆块度的识别方法、装置及电子设备 - Google Patents
爆堆块度的识别方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112184599A CN112184599A CN202011374981.8A CN202011374981A CN112184599A CN 112184599 A CN112184599 A CN 112184599A CN 202011374981 A CN202011374981 A CN 202011374981A CN 112184599 A CN112184599 A CN 112184599A
- Authority
- CN
- China
- Prior art keywords
- image
- ore
- particle
- blasting
- pile
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 116
- 238000005422 blasting Methods 0.000 title claims abstract description 64
- 238000012545 processing Methods 0.000 claims abstract description 51
- 230000008569 process Effects 0.000 claims abstract description 23
- 230000009172 bursting Effects 0.000 claims abstract description 8
- 239000002245 particle Substances 0.000 claims description 123
- 239000011435 rock Substances 0.000 claims description 120
- 238000010586 diagram Methods 0.000 claims description 26
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 25
- 239000011707 mineral Substances 0.000 claims description 25
- 230000000877 morphologic effect Effects 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 16
- 230000000694 effects Effects 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000005474 detonation Methods 0.000 claims description 5
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 2
- 239000002360 explosive Substances 0.000 abstract description 23
- 230000000903 blocking effect Effects 0.000 abstract description 5
- 238000013461 design Methods 0.000 description 14
- 238000000691 measurement method Methods 0.000 description 12
- 238000009826 distribution Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013467 fragmentation Methods 0.000 description 2
- 238000006062 fragmentation reaction Methods 0.000 description 2
- 238000003703 image analysis method Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 240000005611 Agrostis gigantea Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种爆堆块度的识别方法、装置及电子设备，包括：通过设置在旋回破碎站的图像采集装置采集电动轮倾倒过程中的原始爆堆图像；对原始爆堆图像进行数字化处理得到爆堆块度信息；将爆堆块度信息上传至云平台数据库。本发明可以有效改善现有的爆堆块度识别方法，获取高精度高质量的爆堆图像，提高识别精度。
Description
技术领域
本发明涉及爆堆块度统计技术领域，尤其是涉及一种爆堆块度的识别方法、装置及电子设备。
背景技术
在露天矿山生产爆破中，爆堆岩石破碎程度是评析爆破效果和爆破优化的重要指标，爆堆岩石块度的构成也能够在一定程度上体现爆破破碎质量，并从整体上反映施工工艺水平，为爆破参数的改进提供基础数据支持。目前，爆堆岩石块度测量方法主要包括两类，即直接测量法和间接测量方法，接测量法是通过人工对爆堆进行实际测量，进而明确爆破块度分布的特点，这种方式测量效率较低；间接测量法主要是借助经验公式、摄像等方式得到表面块度对应的几何数据，并根据特定的统计方式分析爆堆块度的整体构成。但是，现有的摄像方式主要是通过人工拍摄或者将相机安装在电铲上采集图像，人工拍摄采集的图像数据有限，安装在电铲上的相机采集到的图片质量较差。因此，现有的爆堆块度识别方法效果不佳。
发明内容
有鉴于此，本发明的目的在于提供一种爆堆块度的识别方法、装置及电子设备，可以有效改善现有的爆堆块度识别方法，获取高精度高质量的爆堆图像，提高识别精度。
为了实现上述目的，本发明实施例采用的技术方案如下：
第一方面，本发明实施例提供了一种爆堆块度的识别方法，包括：通过设置在旋回破碎站的图像采集装置采集电动轮倾倒过程中的原始爆堆图像；对原始爆堆图像进行数字化处理得到爆堆块度信息；将爆堆块度信息上传至云平台数据库。
在一种实施方式中，对原始爆堆图像进行数字化处理得到爆堆块度信息的步骤，包括：根据图像透视畸变原理对原始爆堆图像进行校正，得到校准图像；根据图像增强原理对校准图像进行增强处理，得到增强图像；根据阈值分割原理对增强图像进行二值化处理，得到二值化图像；对二值化图像进行形态学处理，得到矿岩颗粒二值图像；根据颗粒参数识别算法确定矿岩颗粒二值图像中矿岩颗粒参数，并将矿岩颗粒参数标注在矿岩颗粒二值图像中。
在一种实施方式中，根据图像透视畸变原理对原始爆堆图像进行校正，得到校准图像的步骤，包括：根据原始爆堆图像确定校准点和校准坐标；根据图像透视畸变原理以及校准点和校准坐标进行图像校准，得到校准图像以及校准后图像像素比例尺。
在一种实施方式中，对二值化图像进行形态学处理，得到矿岩颗粒二值图像的步骤，包括：根据形态学处理算法依次对二值化图像进行膨胀操作、填充孔洞操作、断地峡操作和清除颗粒运算操作，得到矿岩颗粒二值图像。
在一种实施方式中，根据颗粒参数识别算法确定矿岩颗粒二值图像中矿岩颗粒参数，并将矿岩颗粒参数标注在矿岩颗粒二值图像中的步骤之后，还包括：根据体积法优化模型对矿岩颗粒参数进行优化，确定矿岩块度信息；根据校准后图像像素比例尺和矿岩块度信息得到矿岩粒径体积级配图。
在一种实施方式中，将爆堆块度信息上传至云平台数据库的步骤，包括：将矿岩块度信息、矿岩粒径体积级配图以及标注的矿岩颗粒二值图像上传至云平台数据库；根据矿岩块度信息、矿岩粒径体积级配图以及标注的矿岩颗粒二值图像分析爆堆块度破碎效果。
在一种实施方式中，矿岩颗粒参数包括以下中的一种或多种：矿岩颗粒的边界、最大费雷特直径及最大费雷特直径数值。
第二方面，本发明实施例提供了一种爆堆块度的识别系统，包括：采集模块，用于通过设置在旋回破碎站的图像采集装置采集电动轮倾倒过程中的原始爆堆图像；分析模块，用于对原始爆堆图像进行数字化处理得到爆堆块度信息；传输模块，用于将爆堆块度信息上传至云平台数据库。
第三方面，本发明实施例提供了一种电子设备，包括处理器和存储器，存储器存储有能够被处理器执行的计算机可执行指令，处理器执行计算机可执行指令以实现上述第一方面提供的任一项的方法的步骤。
第四方面，本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述第一方面提供的任一项的方法的步骤。
本发明实施例带来了以下有益效果：
本发明实施例提供的上述爆堆块度的识别方法、装置及电子设备，能够通过设置在旋回破碎站的图像采集装置采集电动轮倾倒过程中的原始爆堆图像；然后对原始爆堆图像进行数字化处理得到爆堆块度信息；最后将爆堆块度信息上传至云平台数据库。上述方法将图像采集装置设置于旋回破碎站，实时采集电动轮倾倒过程中的原始爆堆图像，从而能够不间断获取大量爆堆图像；而且设置在旋回破碎站的图像采集装置与矿岩的位置相对固定，采集到的图像质量稳定且精度高，同时由于旋回破碎站有顶棚，能够减少环境因素的影响，进一步提高图像质量。因此，上述方法可以有效改善现有的爆堆块度识别方法，获取高精度高质量的爆堆图像，提高识别精度。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种爆堆块度的识别方法的流程图；
图2为本发明实施例提供的一种透视畸变投影示意图；
图3为本发明实施例提供的一种相机坐标系转换的示意图；
图4为本发明实施例提供的一种校准图像对比示意图；
图5为本发明实施例提供的一种形态学处理前后的效果图；
图6为本发明实施例提供的一种矿岩颗粒参数现显示结果示意图；
图7为本发明实施例提供的一种体积法模型优化的原理图；
图8为本发明实施例提供的一种体积法优化模型计算的矿岩粒径体积级配图；
图9为本发明实施例提供的一种爆堆块度的识别系统的结构示意图；
图10为本发明实施例提供的一种数据库ER设计图；
图11为本发明实施例提供的一种ER模型图；
图12为本发明实施例提供的一种数据通讯结构概念图；
图13为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
受露天矿山生产爆破恶劣环境、相机防护等诸多因素制约，露天生产爆破效果的评价大多停留在人工统计大块率、根底等指标层面，尚未实现爆堆块度的高速图像采集与分析，而爆堆块度的精确测量对爆破、选矿的成本及效果都有重要影响。目前，爆堆岩石块度测量方法主要包括两类，即直接测量法和间接测量方法。直接测量法是对爆堆进行实际测量，进而明确爆破块度分布的特点，其中比较具有代表性的方法包括筛分法、爆堆直接测量法等；间接测量法主要是借助经验公式、摄像等方式得到表面块度对应的几何数据，并根据特定的统计方式分析爆堆块度的整体构成。间接测量法有多种，其中具有代表性的方法包括相关数据测量法、图像分析法等。
图像分析法是通过拍照、摄像等方式得到表面岩块对应的几何参数，对其进行统计分析，确定块度分布情况。该方法涵盖多种类型，其中具有代表性的包括单图片法、双图片法、高速摄影法等。单图片法的目标物体为单一图片，主要对岩块分布状况进行分析；双图片法从多个角度对爆堆同一位置拍摄，将两幅图片重叠，以此构成立体图像，并对爆堆岩块进行分析与统计，该方法的精度较高，但处理技术相对复杂；高速摄影法主要利用高速相机对爆破的各个环节进行拍摄记录，然后选择典型的画面进行分析，确定岩块分布的整体情况，该方法在雨雪雾等天气环境下拍摄画面不清晰，无法得到真实块度图像。
综上所述，目前爆堆块度的识别方法还存在以下不足：（1）现有爆堆块度图像识别系统的图像采集方式主要采用人工拍摄和安装在电铲上自动采集两种，前者采集图像数据有限、获得图像处理结果周期较长；后者存在图像标定困难、受天气影响的问题；（2）相机拍摄的矿岩图像容易发生畸变，存在如何校准畸变及如何确定图像比例尺问题；（3）昼夜光照环境及雨雾尘等自然条件对图像质量影响较大，无法保证识别精度；（4）矿岩之间相互重叠、接触，无法分离矿岩及重构矿岩形态；（5）缺少计算矿岩粒径及体积所需要的矿岩二维投影参数及匹配的计算模型。
基于此，本发明实施例提供的一种爆堆块度的识别方法、装置及电子设备，可以有效改善现有的爆堆块度识别方法，获取高精度高质量的爆堆图像，提高识别精度。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种爆堆块度的识别方法进行详细介绍，参见图1所示的一种爆堆块度的识别方法的流程图，该方法可以由电子设备执行，主要包括以下步骤S102至步骤S106：
步骤S102：通过设置在旋回破碎站的图像采集装置采集电动轮倾倒过程中的原始爆堆图像。
在一种实施方式中，图像采集装置可以是以Allied Vision Prosilica GT 4905相机、焦距28.6mm镜头和NI CVS-1458控制器等为主要硬件的矿岩视觉采集系统，该系统可以部署在旋回破碎站，对电动轮倾倒过程中的矿岩进行实时拍摄，获取原始爆堆图像。
步骤S104：对原始爆堆图像进行数字化处理得到爆堆块度信息。
具体的，可以通过开发基于LabVIEW平台语言的图像处理程序对采集的原始爆堆图像进行数字化处理，诸如图像增强、透视畸变校准、二值化处理、形态学处理以及颗粒参数识别等，进而得到爆堆块度信息。
步骤S106：将爆堆块度信息上传至云平台数据库。
在一种实施方式中，可以通过4G网络或5G网络等将获得的爆堆块度信息上传至云平台数据库进行保存，并且可以通过分析爆堆块度信息确定爆堆块度破碎效果。
本发明实施例提供的上述爆堆块度的识别方法将图像采集装置设置于旋回破碎站，实时采集电动轮倾倒过程中的原始爆堆图像，从而能够不间断获取大量爆堆图像；而且设置在旋回破碎站的图像采集装置与矿岩的位置相对固定，采集到的图像质量稳定且精度高，同时由于旋回破碎站有顶棚，能够减少环境因素的影响，进一步提高图像质量。因此，上述方法可以有效改善现有的爆堆块度识别方法，获取高精度高质量的爆堆图像，提高识别精度。
为了提高识别精度，本发明实施例还提供了一种对原始爆堆图像进行数字化处理得到爆堆块度信息的具体实现方式，可以参见如下步骤1至步骤5实现：
步骤1：根据图像透视畸变原理对原始爆堆图像进行校正，得到校准图像。
由于相机拍摄电动轮倾倒过程的矿岩图像（即爆堆图像），相机无法保证实时垂直矿岩，从而会导致相机拍摄的矿岩图像发生透视畸变，所成图像遵循透视规律。参见图2所示的一种透视畸变投影示意图，如图2所示的(x w ,y w ,z w )为被测目标在真实世界坐标中的位置，(x c ,y c ,z c )代表目标所成像的坐标，其中z c 与光轴一致，而投影平面为与相面平行的辅助平面。从图2中可以看出，真实世界坐标系到相机坐标系之间的变换可以通过旋转和平移来实现，如公式（1）所示：
式中：P w 表示世界坐标系中某个点的坐标；T表示世界坐标系原点与相机坐标系原点的差值；R表示世界坐标系与相机坐标系之间的旋转矩阵；P c 表示P w 点在相机坐标系中对应点的坐标。
参见图3所示的一种相机坐标系转换的示意图，假定世界坐标系在平移T后，先沿z轴旋转θ度，再沿y轴旋转φ度，最后再沿x轴旋转ψ度可以得到相机坐标系，则旋转矩阵R如图3所示。具体的，如图3所示，C表示相机坐标系，q表示相机坐标系中的一点，即P c ，q点坐标为（x,y）；O表示世界坐标系，Q表示q点在世界坐标系中的对应点，即P o ，Q点坐标为（X,Y,Z）。
P c 坐标仍基于相机的三维坐标系，而相机所生成的图像却在二维平面中，需要通过投影变换将P c 转换到图像坐标系中，这一变换可由下面的矩阵因子计算得到，其中(x c ,y c ,z c )为P c 的坐标，f为透镜焦距，（x,y）为图像像素坐标。
基于上述图像透视畸变原理，本发明实施例中利用LabVIEW软件编写图像校准程序对原始爆堆图像进行校正，首先根据原始爆堆图像确定校准点和校准坐标；再根据图像透视畸变原理以及校准点和校准坐标进行图像校准，得到校准图像以及校准后图像像素比例尺。具体的，可以运行图像校准程序，读取拍摄的矿岩图像，手动标注校准点及校准坐标，利用透视畸变原理得到校准后的图像。参见图4所示的一种校准图像对比示意图，示意出图4的（a）部分为原始爆堆图像，图4的（b）部分为校准图像。图4中所示的黑色绝缘胶垫为1980*1440mm的矩形背景，在图4的（a）部分所示的原始爆堆图像中黑色绝缘胶垫呈现为梯形背景，经过图像校准程序计算后得到图4的（b）部分所示的校准图像，可以将黑色绝缘胶垫校准为1980：1440比例的矩形背景，同时矿岩形状也随之改变。
进一步，经过对图4所示图像中的像素进行测量，可以得到图4的（a）部分与图4的（b）部分中的像素比例尺，参见表1所示的校准后图像比例尺。
表1 校准后图像比例尺
步骤2：根据图像增强原理对校准图像进行增强处理，得到增强图像。
考虑到，昼夜光照环境及雨雾尘等自然条件对图像质量影响较大，为了保证识别精度需要采用鲁棒性较好的图像增强算法进行图像增强。基于此，本发明实施例中可以采用直方图均衡方法、灰度变换方法、高通滤波方法和低通滤波方法（诸如线性低通平滑滤波（3×3）、非线性低通N阶滤波）等图像增强方法处理不规则矿岩图像，具体的可以根据不同光照条件下的不同图像增强方法的鲁棒性，选择鲁棒性最好的方法作为目标方法，对校准图像进行增强处理，得到增强图像。
步骤3：根据阈值分割原理对增强图像进行二值化处理，得到二值化图像。
在一种实施方式中，可以利用LabVIEW编写全局阈值和局部阈值分割程序，采用全局阈值分割或者局部阈值分割对增强图像进行二值化处理，得到二值化图像。需要说明的是，在实际应用中可以根据实际情况（诸如室内或者室外等）选择所需要的分割程序，在此不做限制。
步骤4：对二值化图像进行形态学处理，得到矿岩颗粒二值图像。
在一种实施方式中，可以根据形态学处理算法依次对二值化图像进行膨胀操作、填充孔洞操作、断地峡操作和清除颗粒运算操作，得到矿岩颗粒二值图像。具体的，可以利用LabVIEW编写针对矿岩二值图像的形态学处理程序，程序中可以对二值化图像依次进行膨胀操作、填充孔洞操作、断地峡操作和清除颗粒运算操作，得到矿岩颗粒二值图像（即形态学处理后的爆堆图像）。参见图5所示的一种形态学处理前后的效果图，示意出图5的（a）部分为形态学处理前的爆堆图像，图5的（b）部分为形态学处理后的爆堆图像，从图5中可以看出，经过形态学处理后消除了细小颗粒，降低了图像中的矿岩个数的误差；填充单个矿岩颗粒孔洞，纠正矿岩颗粒面积参数的误差；断开相连颗粒间的地峡，适合进一步的颗粒参数获取。
步骤5：根据颗粒参数识别算法确定矿岩颗粒二值图像中矿岩颗粒参数，并将矿岩颗粒参数标注在矿岩颗粒二值图像中。
在爆堆图像中，颗粒是指图像中相互连通的一组非0或灰度值较高的像素所构成的区域，颗粒包括实心颗粒和有孔洞颗粒。本发明实施例中目标颗粒为矿岩，因此只研究实心颗粒，常见的与颗粒相关的属性可以分为以下几大类：
（1）点和线，包括颗粒的质心首像素坐标、颗粒中的水平线段和垂直线段、液压半径、Waddell盘直径和最大费雷特直径等。
（2）边界与面积，包括颗粒与孔洞的周长和面积、边界矩形和凸壳的周长和面积、Waddell盘的周长与Heywood圆度因子、图像面积及紧致因子、颗粒等效矩形或等效椭圆的周长和面积等。
（3）角度和矩，包括颗粒的方位角、最大费雷特直径的方位角、惯性矩、Hu矩以及类型因子等。
根据上述颗粒特征，本发明实施例中可以根据颗粒参数识别算法确定矿岩颗粒二值图像中矿岩颗粒参数，并将矿岩颗粒参数标注在矿岩颗粒二值图像中，矿岩颗粒参数包括以下中的一种或多种：矿岩颗粒的边界、最大费雷特直径及最大费雷特直径数值。具体的，可以利用LabVIEW编写颗粒参数识别程序，获取矿岩颗粒的边界、最大费雷特直径及最大费雷特直径数值并将其标注在图像上。在一种实施方式中，可以通过添加图层的方式在矿岩颗粒二值图像中显示矿岩边界、最大费雷特直径及其数值，参见图6所示的一种矿岩颗粒参数显示结果示意图，示意出矿岩的外包矩形，矿岩颗粒的最大费雷特直径位置以及矿岩颗粒的最大费雷特直径数值。
进一步，通过对矿岩图像的处理分析，获得矿岩二维平面投影参数，但实际中矿岩粒径不等于投影直径，各粒径矿岩的体积比也不等于投影面积比，因此需要建立数学模型，通过二维平面投影参数计算矿岩的三维信息。而现有技术中，通过体积法矿岩块度自动分析模型得到的体积法计算的矿岩颗粒级配图与测量级配图块度占比相同，但存在总体积偏小，“小化”现象产生的原因有以下几点：（1）相机只能拍摄到矿岩堆表面的图像，系统只能识别岩块表面裸露的部分，因此得到的岩块参数总是小于或者等于真实岩块的参数；（2）在图像分割过程中，因矿岩表面凹凸不平、灰度变化较大，矿岩部分灰度与背景无法正确分割，此部分灰度被误分割为背景，导致灰度图像转化为二值图像的过程中，矿岩产生“小化”现象；（3）在图像形态学处理过程中，运用腐蚀、膨胀和填充孔洞算法，这个过程中会改变矿岩颗粒的面积和周长，因此产生“小化”现象。
综上所述，本发明实施中图像分割和图像形态学处理，是造成颗粒面积周长改变而产生“小化”现象的部分原因，但这个过程中矿岩颗粒基本轮廓信息不会改变，矿岩颗粒的边界矩形不会发生变化，颗粒的“Bounding Rect Left”、“Bounding Rect Top”、“Bounding Rect Right”、“Bounding Rect Bottom”四个参数也不会发生变化。基于此，本发明实施例提出了一种体积法优化模型，可以利用矿岩颗粒的边界矩形参数修正“小化”误差，参见图7所示的一种体积法模型优化的原理图，体积法优化模型的模型式如公式（2）所示：
式中：l表示边界矩形的长；h表示边界矩形的宽；a表示椭圆的半长轴；b表示椭圆的半短轴。
岩块面积s及椭圆面积如公式（3）所示：
式中：a表示椭圆的半长轴；b表示椭圆的半短轴。
基于此，为了降低“小化”误差，本发明实施例提供的上述方法还包括：根据体积法优化模型对矿岩颗粒参数进行优化，确定矿岩块度信息；根据校准后图像像素比例尺和矿岩块度信息得到矿岩粒径体积级配图。
具体的，岩块的体积及筛网尺寸计算方法与体积法相同，利用优化算法计算矿岩颗粒参数如表2所示。
表2 矿岩颗粒参数表
将上述像素数据，根据校准后图像比例尺数据，可以计算得到应用优化体积法计算的矿岩粒径体积级配图，参图8所示的一种体积法优化模型计算的矿岩粒径体积级配图，利用改进体积法得到的矿岩总体积为115875cm3，与矿岩测量总体积128680.5cm3更接近且体积级配趋势相似度更高，说明改进的体积法可以有效降低“小化”误差。
为了便于理解，本发明实施例中还提供了一种将爆堆块度信息上传至云平台数据库的具体实现方式，包括：将矿岩块度信息、矿岩粒径体积级配图以及标注的矿岩颗粒二值图像上传至云平台数据库进行保存；根据矿岩块度信息、矿岩粒径体积级配图以及标注的矿岩颗粒二值图像分析爆堆块度破碎效果。
本发明实施例提供的上述爆堆块度的识别方法通过设置在旋回破碎站的图像采集装置自动采集电动轮倾倒过程中的爆堆矿岩块度原始图像，将采集到的原始图像进行复制得到复制图像用于展示识别结果时与处理后的图像进行对比；然后依次对原始图像进行校准处理、图像增强处理、二值化处理、形态学处理以及计算颗粒边界，得到爆堆块度信息以及处理后的图像；最后，将复制图像与处理后的图像进行结果显示，进而对露天矿山爆破效果的评价。
综上所述，本发明实施例提供的爆堆块度的识别方法采用在旋回破碎站附近部署机器视觉系统（即图像采集装置），对电动轮倾倒矿石进行拍摄处理，相对爆破采区现场间断采集处理，采集的图像样本更精准；其次，本发明实施例中的图像采集装置能够实现24小时不间断拍摄，获取大量样本图像；最后，本发明实施例中根据实时识别程序，能够实现电动轮倾倒矿石时自动拍摄20张图片，并将每张处理后的数据发送到数据库，进一步传输到服务器数据库，有效改善现有的爆堆块度识别方法，获取高精度高质量的爆堆图像，提高识别精度。
对于前述实施例提供的爆堆块度的识别方法，本发明实施例还提供了一种爆堆块度的识别系统，参见图9所示的一种爆堆块度的识别系统的结构示意图，该系统可以包括以下部分：
采集模块901，用于通过设置在旋回破碎站的图像采集装置采集电动轮倾倒过程中的原始爆堆图像；
分析模块902，用于对原始爆堆图像进行数字化处理得到爆堆块度信息；
传输模块903，用于将爆堆块度信息上传至云平台数据库进行保存。
本发明实施例提供的上述爆堆块度的识别系统将图像采集装置设置于旋回破碎站，实时采集电动轮倾倒过程中的原始爆堆图像，从而能够不间断获取大量爆堆图像；而且设置在旋回破碎站的图像采集装置与矿岩的位置相对固定，采集到的图像质量稳定且精度高，同时由于旋回破碎站有顶棚，能够减少环境因素的影响，进一步提高图像质量。因此，上述系统可以有效改善现有的爆堆块度识别方法，获取高精度高质量的爆堆图像，提高识别精度。
在一种实施方式中，上述分析模块902进一步还用于根据图像透视畸变原理对原始爆堆图像进行校正，得到校准图像；根据图像增强原理对校准图像进行增强处理，得到增强图像；图像增强原理包括直方图均衡算法；根据全局阈值分割原理对增强图像进行二值化处理，得到二值化图像；对二值化图像进行形态学处理，得到矿岩颗粒二值图像；根据颗粒参数识别算法确定矿岩颗粒二值图像中矿岩颗粒参数，并将矿岩颗粒参数标注在矿岩颗粒二值图像中。
在一种实施方式中，上述分析模块902进一步还用于根据原始爆堆图像确定校准点和校准坐标；根据图像透视畸变原理以及校准点和校准坐标进行图像校准，得到校准图像以及校准后图像像素比例尺。
在一种实施方式中，上述分析模块902进一步还用于根据形态学处理算法依次对二值化图像进行膨胀操作、填充孔洞操作、断地峡操作和清除颗粒运算操作，得到矿岩颗粒二值图像。
在一种实施方式中，上述分析模块902进一步还用于根据体积法优化模型对矿岩颗粒参数进行优化，确定矿岩块度信息；根据校准后图像像素比例尺和矿岩块度信息得到矿岩粒径体积级配图。
在一种实施方式中，上述传输模块903进一步还用于将矿岩块度信息、矿岩粒径体积级配图以及标注的矿岩颗粒二值图像上传至云平台数据库进行保存；根据矿岩块度信息、矿岩粒径体积级配图以及标注的矿岩颗粒二值图像分析爆堆块度破碎效果。矿岩颗粒参数包括以下中的一种或多种：矿岩颗粒的边界、最大费雷特直径及最大费雷特直径数值。
本发明实施例提供的上述系统可以是基于LabVIEW平台、数据库技术、NI Vision算法建立的爆堆块度智能识别系统，系统主要由Allied Vision Prosilica GT 4905相机、NI CVS 1458等硬件组成，该系统可以部署在德兴铜矿铜厂旋回破碎站，对电动轮倾倒过程的矿岩进行实时拍摄，通过开发编写的图像处理程序，实现拍摄照片的采集、图像增强、透视畸变校准等处理，得到合适的矿岩粒度数据，并通过4G网络将处理后的粒度等数据传输到服务器数据库。
为了更好的理解上述系统，本发明实施例还提供了该系统使用的数据库类型、通讯协议、矿岩块度信息存储的方式等。在爆堆块度的识别系统中，数据库是一个非常重要的信息来源和存储地，主要用来存储用户管理信息和存放已采集到的矿岩图像，它的好坏关系到系统在运行时的效率和稳定性。常用的数据库分为关系型数据库和非关系型数据库，本发明实施例可以采用开源关系型数据库MySQL方案来存储、处理数据。
数据库设计分为概念设计、逻辑设计、物理结构实现。其中，概念设计工具主要有ER图、UML图，逻辑设计主要按要求遵循不同范式（包括1NF、2NF、3NF、BCNF）对概念设计用相应算法进行转换，转换为易于物理结构实现的结构。
首先进行ER图设计，ER（Entity Relationship Model）实体联系模型是由Professo Peter Chen在1976年首次提出的。实体是指数据对象，指系统中可以区别的客观存在的事物。本系统的实体有矿企、矿坑、相机、图像。数据库ER设计图可以参见图10所示。
根据ER图转换成关系模式集的算法，只需将一方的主键加入多方作为外键，对前文中的ER图转换为如下关系模式（主键用横线标识，外键用波浪线标识）：
矿企（企业编码，企业名，建企时间）；
矿坑（矿坑编码，矿坑产量，矿坑纵深，矿坑名称，所属矿企编码，开采起始时间）；
相机（相机编号，相机厂商，相机像素，采集频率，矿坑编码，机位位置）；
图像（图像编号，图像类型，矿岩块度识别结果，存储url，相机编码，拍摄时间）。
数据库物理结构设计主要包括数据库物理结构矿企表（entr）设计、数据库物理结构矿坑表（kk）设计、数据库物理结构相机表（camera）设计和数据库物理结构图像表（image）设计，具体可以参见表3至表6所示的矿企表、矿坑表、相机表和图像表。
表3矿企表
表4矿坑表
表5相机表
表6图像表
根据表3至表6进行物理建模后，可以通过Navicat逆向工程得到ER模型图，参见图11所示，该模型图与图10所示的ER设计图基本相同。
进一步，矿岩块度信息为数值和字符信息，数据量小，图像为像素矩阵信息，数据量大，针对两种数据的特点和两种通讯协议的特点，矿岩块度识别系统选择MQTT协议作为矿岩块度信息传输协议，HTTP/2协议为图像传输协议。数据通讯结构概念图可以参见图12所示。
MQTT协议全称为消息队列遥测传输协议，MQTT协议是七层网络模型最顶层协议，属于应用层协议，而TCP属于第四层传输层协议。TCP重点关注面向连接、可靠传输，MQTT主要关注在低带宽、高延迟、不可靠网络下进行数据可靠传输。在设计思想方面，TCP协议核心思想是分组交换，而MQTT协议核心思想是一对多、发布与订阅。在服务质量方面，TCP是可靠的传输协议，三次握手、超时重传等机制都能保证发送端发送的数据和接收端收到的数据完全相同；MQTT则更加灵活，提供三种可选的QoS服务等级，并通过session机制保证消息传输的可靠性。
采集端与服务器通讯时若采用TCP长连接通讯还需要自己定义私有协议，MQTT协议与TCP协议有如下关系：TCP长连接+私有协议=MQTT+Topic。
MQTT相比于TCP在物联网中的应用主要优势如下：
（1）MQTT是标准的RFC协议，不用再定义私有协议这种非标准协议，可加快开发速度、提高产品安全性。同时在扩展性方面，标准的协议更有利于第三方接入或者二次开发，可选开源组件更丰富，比如MQTT支持python、Java、C等开发语言，有相应的MQTT协议SDK。
（2）自带心跳机制，无需自定义等繁杂的工作。
（3）拥有遗嘱消息机制，对于网络环境较差的终端设备来说非常有用。
（4）订阅发布机制。设备端一次发布，客户端或者服务器可以多端订阅，对于端到端场景而言十分省电且节省流量。
HTTP（超文本传输协议）所在网络层次和MQTT相同，都属于应用层协议，且都是基于TCP/IP协议的，HTTP协议有两大特点：无连接和无状态。其中无连接指客户端和服务器端建立连接后，服务端处理一个请求后就断开连接，在数据量较大时，会频繁建立连接增加服务器负载，导致响应缓慢；同时HTTP协议是无状态、无记忆的，为了数据安全每一次请求都需要重新认证，这也增加了程序的复杂度。系统采用HTTP/2.0来弥补HTTP协议的不足，HTTP/2.0可以异步连接、多路复用，且相比于1.0版本进行了头部压缩，更有利于多路数据的请求。
本发明实施例所提供的系统，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，系统实施例部分未提及之处，可参考前述方法实施例中相应内容。
在这里示出和描述的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。
本发明实施例还提供了一种电子设备，具体的，该电子设备包括处理器和存储装置；存储装置上存储有计算机程序，计算机程序在被处理器运行时执行如上实施方式的任一项所述的方法。
图13为本发明实施例提供的一种电子设备的结构示意图，该电子设备100包括：处理器130，存储器131，总线132和通信接口133，所述处理器130、通信接口133和存储器131通过总线132连接；处理器130用于执行存储器131中存储的可执行模块，例如计算机程序。
其中，存储器131可能包含高速随机存取存储器（RAM，Random Access Memory），也可能还包括非不稳定的存储器（non-volatile memory），例如至少一个磁盘存储器。通过至少一个通信接口133（可以是有线或者无线）实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
总线132可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图13中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器131用于存储程序，所述处理器130在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流程定义的装置所执行的方法可以应用于处理器130中，或者由处理器130实现。
处理器130可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器130中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器130可以是通用处理器，包括中央处理器(CPU，Central Processing Unit)、网络处理器(NP，Network Processor)等；还可以是数字信号处理器(DSP，Digital SignalProcessing)、专用集成电路(ASIC，Application Specific Integrated Circuit)、现成可编程门阵列(FPGA，Field-Programmable Gate Array)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器131，处理器130读取存储器131中的信息，结合其硬件完成上述方法的步骤。
本发明实施例所提供的可读存储介质的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见前述方法实施例，在此不再赘述。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种爆堆块度的识别方法，其特征在于，包括：
通过设置在旋回破碎站的图像采集装置采集电动轮倾倒过程中的原始爆堆图像；
对所述原始爆堆图像进行数字化处理得到爆堆块度信息；
将所述爆堆块度信息上传至云平台数据库。
2.根据权利要求1所述的识别方法，其特征在于，所述对所述原始爆堆图像进行数字化处理得到爆堆块度信息的步骤，包括：
根据图像透视畸变原理对所述原始爆堆图像进行校正，得到校准图像；
根据图像增强原理对所述校准图像进行增强处理，得到增强图像；
根据阈值分割原理对所述增强图像进行二值化处理，得到二值化图像；
对所述二值化图像进行形态学处理，得到矿岩颗粒二值图像；
根据颗粒参数识别算法确定所述矿岩颗粒二值图像中矿岩颗粒参数，并将所述矿岩颗粒参数标注在所述矿岩颗粒二值图像中。
3.根据权利要求2所述的识别方法，其特征在于，所述根据图像透视畸变原理对所述原始爆堆图像进行校正，得到校准图像的步骤，包括：
根据所述原始爆堆图像确定校准点和校准坐标；
根据图像透视畸变原理以及所述校准点和所述校准坐标进行图像校准，得到校准图像以及校准后图像像素比例尺。
4.根据权利要求2所述的识别方法，其特征在于，所述对所述二值化图像进行形态学处理，得到矿岩颗粒二值图像的步骤，包括：
根据形态学处理算法依次对所述二值化图像进行膨胀操作、填充孔洞操作、断地峡操作和清除颗粒运算操作，得到矿岩颗粒二值图像。
5.根据权利要求3所述的识别方法，其特征在于，所述根据颗粒参数识别算法确定所述矿岩颗粒二值图像中矿岩颗粒参数，并将所述矿岩颗粒参数标注在所述矿岩颗粒二值图像中的步骤之后，还包括：
根据体积法优化模型对所述矿岩颗粒参数进行优化，确定矿岩块度信息；
根据所述校准后图像像素比例尺和所述矿岩块度信息得到矿岩粒径体积级配图。
6.根据权利要求5所述的识别方法，其特征在于，所述将所述爆堆块度信息上传至云平台数据库的步骤，包括：
将所述矿岩块度信息、所述矿岩粒径体积级配图以及标注的所述矿岩颗粒二值图像上传至云平台数据库；
根据所述矿岩块度信息、所述矿岩粒径体积级配图以及标注的所述矿岩颗粒二值图像分析爆堆块度破碎效果。
7.根据权利要求2所述的识别方法，其特征在于，所述矿岩颗粒参数包括以下中的一种或多种：矿岩颗粒的边界、最大费雷特直径及最大费雷特直径数值。
8.一种爆堆块度的识别系统，其特征在于，包括：
采集模块，用于通过设置在旋回破碎站的图像采集装置采集电动轮倾倒过程中的原始爆堆图像；
分析模块，用于对所述原始爆堆图像进行数字化处理得到爆堆块度信息；
传输模块，用于将所述爆堆块度信息上传至云平台数据库。
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现权利要求1至7任一项所述的方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行上述权利要求1至7任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011374981.8A CN112184599A (zh) | 2020-12-01 | 2020-12-01 | 爆堆块度的识别方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011374981.8A CN112184599A (zh) | 2020-12-01 | 2020-12-01 | 爆堆块度的识别方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112184599A true CN112184599A (zh) | 2021-01-05 |
Family
ID=73918295
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011374981.8A Pending CN112184599A (zh) | 2020-12-01 | 2020-12-01 | 爆堆块度的识别方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112184599A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113344851A (zh) * | 2021-04-28 | 2021-09-03 | 鞍钢矿业爆破有限公司 | 一种摄影法测量爆堆修正函数数据方法 |
| CN113592792A (zh) * | 2021-07-16 | 2021-11-02 | 清华大学 | 堆石图像粒径识别方法、装置、电子设备及存储介质 |
| CN114399761A (zh) * | 2021-12-29 | 2022-04-26 | 国能铁路装备有限责任公司 | 转向架的叠加部件数量识别方法、装置和系统 |
| CN118196417A (zh) * | 2024-03-27 | 2024-06-14 | 东北大学 | 地下金属矿复杂堆叠条件下爆堆块度识别与统计方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170126968A1 (en) * | 2015-11-03 | 2017-05-04 | Intel Corporation | Fusion of panoramic background images using color and depth data |
| CN107489420A (zh) * | 2017-08-11 | 2017-12-19 | 辽宁科技大学 | 无底柱分段崩落法矿岩块度分布远程实时监测系统及方法 |
| CN108596881A (zh) * | 2018-04-09 | 2018-09-28 | 中国科学院武汉岩土力学研究所 | 一种爆破后岩石粒度的智能图像统计方法 |
| CN108760588A (zh) * | 2018-05-28 | 2018-11-06 | 伊春鹿鸣矿业有限公司 | 平面拍照角度校正尺及校正拍摄方法 |
| CN111383174A (zh) * | 2020-02-27 | 2020-07-07 | 广东锡源爆破科技股份有限公司 | 一种用于摄影测量的爆堆数据采集方法 |
| CN111691888A (zh) * | 2020-06-12 | 2020-09-22 | 鞍钢集团矿业有限公司 | 一种露天矿山精确铲装系统及方法 |
-
2020
- 2020-12-01 CN CN202011374981.8A patent/CN112184599A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170126968A1 (en) * | 2015-11-03 | 2017-05-04 | Intel Corporation | Fusion of panoramic background images using color and depth data |
| CN107489420A (zh) * | 2017-08-11 | 2017-12-19 | 辽宁科技大学 | 无底柱分段崩落法矿岩块度分布远程实时监测系统及方法 |
| CN108596881A (zh) * | 2018-04-09 | 2018-09-28 | 中国科学院武汉岩土力学研究所 | 一种爆破后岩石粒度的智能图像统计方法 |
| CN108760588A (zh) * | 2018-05-28 | 2018-11-06 | 伊春鹿鸣矿业有限公司 | 平面拍照角度校正尺及校正拍摄方法 |
| CN111383174A (zh) * | 2020-02-27 | 2020-07-07 | 广东锡源爆破科技股份有限公司 | 一种用于摄影测量的爆堆数据采集方法 |
| CN111691888A (zh) * | 2020-06-12 | 2020-09-22 | 鞍钢集团矿业有限公司 | 一种露天矿山精确铲装系统及方法 |
Non-Patent Citations (3)
| Title |
|---|
| 刘国华: "《HALCON数字图像处理》", 31 May 2018 * |
| 彭强 余滨: "《多媒体个人计算机实用技术》", 31 October 1986 * |
| 王鑫瑀,曹鹏飞: "岩石爆破破碎块度分布测量方法综述", 《化工矿物与加工》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113344851A (zh) * | 2021-04-28 | 2021-09-03 | 鞍钢矿业爆破有限公司 | 一种摄影法测量爆堆修正函数数据方法 |
| CN113592792A (zh) * | 2021-07-16 | 2021-11-02 | 清华大学 | 堆石图像粒径识别方法、装置、电子设备及存储介质 |
| CN114399761A (zh) * | 2021-12-29 | 2022-04-26 | 国能铁路装备有限责任公司 | 转向架的叠加部件数量识别方法、装置和系统 |
| CN118196417A (zh) * | 2024-03-27 | 2024-06-14 | 东北大学 | 地下金属矿复杂堆叠条件下爆堆块度识别与统计方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112184599A (zh) | 爆堆块度的识别方法、装置及电子设备 | |
| JP7099509B2 (ja) | 産業機器ゲージのデジタル化及びアラームのためのコンピュータビジョンシステム | |
| JP4950290B2 (ja) | 撮像装置、方法、システム集積回路、及びプログラム | |
| Doneus et al. | From deposit to point cloud–a study of low-cost computer vision approaches for the straightforward documentation of archaeological excavations | |
| CN105510195A (zh) | 一种堆叠骨料的粒度粒形在线检测方法 | |
| CN110880229A (zh) | 一种地质灾害监测预警方法和系统 | |
| CN110634138A (zh) | 一种基于视觉感知的桥梁变形的监测方法、装置及设备 | |
| CN113469888B (zh) | 一种圆形电子印章倾斜角度矫正的方法及装置 | |
| CN116399314B (zh) | 一种用于摄影测量的标定装置及其测量方法 | |
| WO2024037660A1 (zh) | 确定异常分拣区域的方法、装置、电子设备及存储介质 | |
| CN114266771B (zh) | 基于改进扩展特征金字塔模型的管道缺陷检测方法及装置 | |
| CN112597788A (zh) | 目标测定方法、装置、电子设备和计算机可读介质 | |
| CN117451000B (zh) | 一种智轨列车道路路基沉降机器视觉检测方法及系统 | |
| CN110849444A (zh) | 一种基于机器视觉的视频水位测量方法 | |
| CN112422818B (zh) | 一种基于多元图像融合的智能化掉筛远程检测方法 | |
| CN110826364A (zh) | 一种库位识别方法及装置 | |
| CN116129365B (zh) | 输送设备上颗粒物料的检测方法和系统 | |
| WO2024040951A1 (zh) | 定位目标区域的方法、装置及计算机可读存储介质 | |
| CN114998530B (zh) | 一种基于实景三维地形的水体监测方法和装置 | |
| CN112529006A (zh) | 全景图片的检测方法、装置、终端及存储介质 | |
| CN116147567A (zh) | 基于多元数据融合的国土测绘方法 | |
| CN116012710A (zh) | 一种遥感影像的水体二级类提取方法和装置 | |
| CN114820748A (zh) | 基于全景数据的全视角特征的智能取证方法 | |
| CN115546539A (zh) | 基于机器视觉的磁翻板液位读取方法、装置及可读介质 | |
| CN113570291A (zh) | 一种生态功能区生态环境监测分析方法和系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210105 |