CN116733472A - 一种基于智能算法的金属矿石采选控制系统 - Google Patents
一种基于智能算法的金属矿石采选控制系统 Download PDFInfo
- Publication number
- CN116733472A CN116733472A CN202310657107.2A CN202310657107A CN116733472A CN 116733472 A CN116733472 A CN 116733472A CN 202310657107 A CN202310657107 A CN 202310657107A CN 116733472 A CN116733472 A CN 116733472A
- Authority
- CN
- China
- Prior art keywords
- ore
- mine
- point
- capturing
- unmanned aerial
- 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.)
- Granted
Links
- 229910052751 metal Inorganic materials 0.000 title claims abstract description 34
- 239000002184 metal Substances 0.000 title claims abstract description 33
- 238000005065 mining Methods 0.000 title claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000012216 screening Methods 0.000 claims abstract description 40
- 238000001514 detection method Methods 0.000 claims abstract description 19
- 230000002285 radioactive effect Effects 0.000 claims abstract description 8
- 238000007689 inspection Methods 0.000 claims description 74
- 238000013515 script Methods 0.000 claims description 29
- 230000005855 radiation Effects 0.000 claims description 25
- 238000009826 distribution Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 11
- 238000004040 coloring Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 7
- 239000003086 colorant Substances 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 239000000539 dimer Substances 0.000 claims description 3
- 230000001678 irradiating effect Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 229920000642 polymer Polymers 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 7
- 229910052500 inorganic mineral Inorganic materials 0.000 description 4
- 239000011707 mineral Substances 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000003723 Smelting Methods 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21C—MINING OR QUARRYING
- E21C41/00—Methods of underground or surface mining; Layouts therefor
- E21C41/26—Methods of surface mining; Layouts therefor
- E21C41/30—Methods of surface mining; Layouts therefor for ores, e.g. mining placers
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21C—MINING OR QUARRYING
- E21C39/00—Devices for testing in situ the hardness or other properties of minerals, e.g. for giving information as to the selection of suitable mining tools
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于智能算法的金属矿石采选控制系统矿点检测模块：用于通过无人机巡视露天矿场的不同矿点，获取矿点图像和产量数量；矿石捕捉模块：用于在矿点图像上设置捕捉框，进行矿石捕捉，生成不同大小捕捉框的密度图像；矿石筛分模块：用于根据密度图像，对每个矿点的矿石进行筛分，确定每个矿点不同大小矿石的出产量数据，确定出产量符合预设产量规格的矿点，生成第一矿点集合；矿点品位判定模块：将第一矿点集合中的矿石按照体积筛分结果，进行放射性探测，通过放射性探测，确定第一矿点集合中不同矿点的品位信息；矿石采集模块：根据品位信息，将第一矿点集合中的矿点按照品位和产量进行分别排序，生成金属矿石的采选序列。
Description
技术领域
本发明涉及矿石选矿技术领域，特别涉及一种基于智能算法的金属矿石采选控制系统。
背景技术
目前，采矿是指从地壳中将可利用矿物开采出来并运输到矿物加工地点的过程，地下开采的矿山，其采矿流程主要包括落矿、出矿、铲装、运输，采出的大块度矿石一般通过提升设备或运矿卡车由地下运输至地表选厂，运输成本较高。
在现有的露天矿场中，会分布有多个矿点，每个矿点因为矿石的富裕程度的不同出产的矿石量不同，而且，因为不同矿点中元素差异情况和矿石通过机器打碎的时候，或者因为碎矿机器的不同规格大小不同，而且现有的矿场只能根据无人机进行矿场的此时，在进行选矿的时候，存在以下问题：
(1)无法实现智能选矿，矿石的大小和产量无法进行估算；
(2)矿石品位可以通过实验测算，但是在矿石采选的时候，不能融合矿点的产量和大小，以及品位进行综合性的筛选评估，实现矿点的采选排序。
发明内容
本发明提供一种基于智能算法的金属矿石采选控制系统，用以解决上述背景技术中的情况。
一种基于智能算法的金属矿石采选控制系统，包括：
矿点检测模块：用于通过无人机巡视露天矿场的不同矿点，获取矿点图像和产量数量；其中，
无人机上设置有聚焦捕捉算法；
矿石捕捉模块：用于在矿点图像上设置捕捉框，进行矿石捕捉，生成不同大小捕捉框的密度图像；其中，
捕捉框包括多个不同面积的捕捉框，每个面积的捕捉框对应一个轮廓区间的矿石；
矿石筛分模块：用于根据密度图像，对每个矿点的矿石进行筛分，确定每个矿点不同大小矿石的出产量数据，确定出产量符合预设产量规格的矿点，生成第一矿点集合；其中，
筛分包括体积筛分和产量筛分；
矿点品位判定模块：将第一矿点集合中的矿石按照体积筛分结果，进行放射性探测，通过放射性探测，确定第一矿点集合中不同矿点的品位信息；
矿石采集模块：根据品位信息，将第一矿点集合中的矿点按照品位和产量进行分别排序，生成金属矿石的采选序列。
优选的，所述矿点检测模块包括：
三维建模单元：用于根据矿点图像，进行露天矿场的地形数据采集，搭建露天矿场的三维地图；
矿点分布显示单元：用于根据三维地图，对每个矿点的区域进行上色分割，并将上色分割的颜色作为矿点的区域辨识系数；
巡视设置单元：用于根据区域辨识系数，分别确定每个矿点区域的数字高程图像和坡度数据；
第一巡检线路设定单元：用于根据矿场无人机库的分布位置和矿点分布位置，确定巡视无人机出发点和无人机数量，生成巡检线路的第一规划参数；
第二巡检线路设定单元：根据数字高程图像，确定矿点的高度分布数据，生成巡检的第二规划参数；
第三巡检线路设定单元：根据坡度数据，确定每个矿点的无人机巡检角度数据，生成第三规划参数；
巡检线路规划单元：用于根据第一规划参数、第二规划参数和第三规划参数，设定出发点、高度点和角度点，构成矿场的飞行巡检线路；
巡视数据采集单元：用于根据飞行巡检线路，确定每个矿点的巡检坐标区域，通过巡检坐标，将无人机巡检视频按照巡检坐标进行矿点划分，分别确定每个矿点的矿点图像，并基于矿点图像进行产量估算，确定产量数据。
优选的，所述产量估算包括如下步骤：
将飞行巡检线路上第一次巡检完成后的矿点图像作为初始图像，在初始图像上构建计算网格；其中，
计算网格包括面积网格和高度网格；
根据高度网格设置每个高度网格对应高度的平面矿石轮廓图；
根据面积网格，计算相对于初始图像上，每个平面矿石轮廓图的面积增量；
根据面积增量和网格高度，进行矿石增量计算，确定产量数量。
优选的，所述无人机巡检还包括：
在无人机中配置帧同步脚本、惯性测量脚本和差异脚本；其中，
帧同步脚本用于根据飞行巡检线路，生成帧同步轨迹参数，并在无人机根据飞行巡检线路进行巡检时通过无人机的出发点、高度点和角度点，将实时轨迹参数和帧同步轨迹参数进行拟合，进行轨迹动态调优；
惯性测量脚本用于在轨迹动态调优时，确定位姿补偿参数，进行无人机位姿补偿；
差异脚本用于通过惯性测量脚本获取无人机位姿数据，确定无人机每一时刻的位姿参数与帧同步轨迹中位姿参数的差异，确定拟合偏差系数，并在拟合偏差系数不满足预定标准时，进行轨迹重复，并在轨迹重复时进行再次轨迹动态调优。
优选的，所述矿石捕捉模块包括：
标准设定单元：用于预先设定矿石的特征信息；其中，
特征信息包括颜色信息和轮廓阈值信息；
色差判定单元：用于根据矿点图像，进行色差区分，将矿石作为第一深度色，并将矿石之间的缝隙作为第二深度色，将矿石与非矿石元素之间的缝隙作为第三深度色；
捕捉单元：用于根据第一深度色、第二深度色和第三深度色，在狂点图像上进行色差区域，并对每个第一深度色区域设置捕捉框，生成捕捉框密度图像。
优选的，所述矿石筛分模块包括：
体积筛分单元：用于根据密度图像，对筛分不同大小的捕捉框，确定每个矿点不同面积的捕捉框的第一统计数据；
产量筛分单元：用于根据密度图像，进行巡检次数统计，根据巡检次数，确定每一次巡检时，每个矿点的巡检增量，筛分每个矿点的平均产量；
矿点判定单元：将每个矿点的平均产量和预设产量规格中的产量规格进行对比，生成第一对比数据，将每个矿点的第一统计数据与预设产量规格中的矿石大小规格进行对比，生成第二对比数据，并在第一对比数据和第二对比数据同时符合预设产量规格时，将对应矿点划分到第一矿点集合。
优选的，所述矿点品位判定模块包括：
射线设置单元：用于根据第一矿点集合，确定不同面积规格的捕捉框的数量，并设定对应数量射线源；
测试单元：用于通过射线源照射不同矿点不同面积规格的捕捉框下的矿石样本，按照捕捉框的面积规格，获取不同轮廓区间内矿石的释放的射线数据；
参数获取单元：根据射线数据，构建每个矿点的品位表，统计对应矿点内不同轮廓区间内矿石的射线强度，构成品味表集合，确定品位信息。
优选的，所述射线源为多靶射线源；其中，
多靶射线源包括多种不同频率的相同射线；
多靶射线源还包括多种射线接收靶，并基于每个接收靶上的射线量，计算金属密度；其中，
射线接收靶用于对金属同位数跟踪。
优选的，所述无人机上设置有聚焦光点，通过聚焦光点对矿石进行捕捉；其中，
聚焦光点包括第一聚焦光点和第二聚焦光点；
第一聚焦光点用于进行矿点聚焦；
第二聚焦光点用于矿石聚焦。
优选的，所述聚焦光点还设置有捕捉高度距离，用于进行距离调控；其中，
当无人机进行第一聚焦光点聚焦时，生成第一高度信息，并设置第一聚焦参数，获取矿点图像；其中，
当第一高度信息大于捕捉高度距离时，进行无人机高度下降，直至无人机高度在捕捉高度距离内，生成第二聚焦光点，进行矿石图像捕捉。
本发明有益效果为：
(1)本发明能够通过无人机巡检的方式，确定露天矿场不同矿点的矿石分布数据，矿石产量数据，以及矿石的轮廓大小和规格，从而可以实现矿石的筛分，更加便于进行运输和熔炼。相对于人工计算产量和根据开采运输量进行估算，本发明的方式估算结果更加精确。
(2)本发明能够通过捕捉框的方式进行矿石体积和产量筛分，可以结合不同的开采任务，进行矿点的采集选择，在具有采集任务的时候，实现更加快速的决策。
(3)本发明可以根据放射性探测，进行矿石的品位划分，然后综合产量和大小，进行矿石的采选序列的排列，便于在开采矿石的时候结合多种因素，保证开采任务的实施。
本发明的其它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可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种基于智能算法的金属矿石采选控制系统的组成图；
图2为本发明实施例中增量计算步骤的流程图；
图3为本发明实施例中无人机巡检的脚本控制图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
如附图1所示，一种基于智能算法的金属矿石采选控制系统，包括：
矿点检测模块：用于通过无人机巡视露天矿场的不同矿点，获取矿点图像和产量数量；其中，
无人机上设置有聚焦捕捉算法；
矿石捕捉模块：用于在矿点图像上设置捕捉框，进行矿石捕捉，生成不同大小捕捉框的密度图像；其中，
捕捉框包括多个不同面积的捕捉框，每个面积的捕捉框对应一个轮廓区间的矿石；
矿石筛分模块：用于根据密度图像，对每个矿点的矿石进行筛分，确定每个矿点不同大小矿石的出产量数据，确定出产量符合预设产量规格的矿点，生成第一矿点集合；其中，
筛分包括体积筛分和产量筛分；
矿点品位判定模块：将第一矿点集合中的矿石按照体积筛分结果，进行放射性探测，通过放射性探测，确定第一矿点集合中不同矿点的品位信息；
矿石采集模块：根据品位信息，将第一矿点集合中的矿点按照品位和产量进行分别排序，生成金属矿石的采选序列。
上述技术方案的工作原理为：
在本实施例中，无人机可以通过智能算法即聚焦捕捉算法对露天矿场内不同矿点的矿石图像进行采集；
在本实施例中，矿点图像包括矿点的高清图像、数字高程图像以及不同矿石、人、运矿车辆、矿石处理机器的分布标记图像；
在本实施例中，产量数量是每个矿点的产量数量。
在本实施例中，聚焦捕捉算法用于对矿点和矿石进行双重聚焦，从而实现对矿点的精确图像采集。
在本实施例中，捕捉框用于捕捉矿石，不同大小的矿石按照轮廓面积的区间，设置不同的捕捉框，捕捉框的密度代表着不同大小矿石的密度。每个捕捉框捕捉的矿石轮廓大小是有一定的轮廓区间，而不是唯一大小。
在本实施例中，密度图像是通过捕捉框对矿石进行标记捕捉后的图像，用于筛分矿石的大小，同时可以进行产量数据的估算，但是产量数据的估算还需要集合初始巡视图像的对比，实现增量计算。通过矿石增量计算，确定矿石产量。
在本实施例中，放射性探测是通过不同放射性的实验，对矿石中的金属含量进行判断，从而区分不同矿石的品位，然后实现产量和品位的排序，从而在有特殊的采集任务的时候，可以根据采选序列，确定能够进行才选的矿点。
上述技术方案的有益效果为：
(1)本发明能够通过无人机巡检的方式，确定露天矿场不同矿点的矿石分布数据，矿石产量数据，以及矿石的轮廓大小和规格，从而可以实现矿石的筛分，更加便于进行运输和熔炼。相对于人工计算产量和根据开采运输量进行估算，本发明的方式估算结果更加精确。
(2)本发明能够通过捕捉框的方式进行矿石体积和产量筛分，可以结合不同的开采任务，进行矿点的采集选择，在具有采集任务的时候，实现更加快速的决策。
(3)本发明可以根据放射性探测，进行矿石的品位划分，然后综合产量和大小，进行矿石的采选序列的排列，便于在开采矿石的时候结合多种因素，保证开采任务的实施。
优选的，所述矿点检测模块包括：
三维建模单元：用于根据矿点图像，进行露天矿场的地形数据采集，搭建露天矿场的三维地图；
矿点分布显示单元：用于根据三维地图，对每个矿点的区域进行上色分割，并将上色分割的颜色作为矿点的区域辨识系数；
巡视设置单元：用于根据区域辨识系数，分别确定每个矿点区域的数字高程图像和坡度数据；
第一巡检线路设定单元：用于根据矿场无人机库的分布位置和矿点分布位置，确定巡视无人机出发点和无人机数量，生成巡检线路的第一规划参数；
第二巡检线路设定单元：根据数字高程图像，确定矿点的高度分布数据，生成巡检的第二规划参数；
第三巡检线路设定单元：根据坡度数据，确定每个矿点的无人机巡检角度数据，生成第三规划参数；
巡检线路规划单元：用于根据第一规划参数、第二规划参数和第三规划参数，设定出发点、高度点和角度点，构成矿场的飞行巡检线路；
巡视数据采集单元：用于根据飞行巡检线路，确定每个矿点的巡检坐标区域，通过巡检坐标，将无人机巡检视频按照巡检坐标进行矿点划分，分别确定每个矿点的矿点图像，并基于矿点图像进行产量估算，确定产量数据。
上述技术方案的工作原理为：
在本实施例中，三维建模可以搭建露天矿场的三维图像，确定矿场地形数据，从而便于进行矿场的巡检线路的设计；
在本实施例中，区域辨识系数是基于矿点的上色分割，就是将矿点通过不同的颜色渲染，从而更加容易区分。
在本实施例中，巡视设置单元可以确定矿点的坡度、经纬度、坐标，便于在进行路线规划的时候和拍摄的时候实现无人机位姿的设置和飞行线路准确性，飞行巡检精确性的设定。
在本实施例中，第一规划参数、第二规划参数和第三规划参数分别确定了无人机飞行的出发点、高度点和角度点，从而可以更加合理的设置无人机的飞行轨迹。
上述技术方案的有益效果为：
本发明在设置无人机飞行轨迹的时候，结合了地形因素、飞行高度、飞行角度、无人机的飞机库等因素，可以实现更加全面性和精确性的采集矿点图像。
如附图2所示，优选的，所述产量估算包括如下步骤：
将飞行巡检线路上第一次巡检完成后的矿点图像作为初始图像，在初始图像上构建计算网格；其中，
计算网格包括面积网格和高度网格；
根据高度网格设置每个高度网格对应高度的平面矿石轮廓图；
根据面积网格，计算相对于初始图像上，每个平面矿石轮廓图的面积增量；
根据面积增量和网格高度，进行矿石增量计算，确定产量数量。
上述技术方案的工作原理为：
在本实施例中，产量估算的时候，初始图像是第一次巡检采集的每个矿点的初始图像；
在本实施例中，计算网格是用于产量估算，每个网格对应一定的高度和面积，通过采集的图像，进行深度计算，可以根据网格确定矿石增量，进而确定矿石的产量。
上述技术方案的有益效果为：；
本发明通过计算网格计算矿石的增量，相对于现有技术中基于运输车辆的估算，本发明可以进行实时增量计算，而且基于图片对比，计算网格和深度信息，计算结果更加精确。
如附图3所示，优选的，所述无人机巡检还包括：
在无人机中配置帧同步脚本、惯性测量脚本和差异脚本；其中，
帧同步脚本用于根据飞行巡检线路，生成帧同步轨迹参数，并在无人机根据飞行巡检线路进行巡检时通过无人机的出发点、高度点和角度点，将实时轨迹参数和帧同步轨迹参数进行拟合，进行轨迹动态调优；
惯性测量脚本用于在轨迹动态调优时，确定位姿补偿参数，进行无人机位姿补偿；
差异脚本用于通过惯性测量脚本获取无人机位姿数据，确定无人机每一时刻的位姿参数与帧同步轨迹中位姿参数的差异，确定拟合偏差系数，并在拟合偏差系数不满足预定标准时，进行轨迹重复，并在轨迹重复时进行再次轨迹动态调优。
上述技术方案的工作原理为：
在本实施例中，帧同步脚本、惯性测量脚本和差异脚本三个脚本设置在无人机中，是一种执行程序，用于实现无人机的轨迹调优。
在本实施例中，帧同步脚本是用于将模拟的轨迹参数和巡检时实时的轨迹参数进行对比拟合，从而保持轨迹的准确性；
在本实施例中，惯性测量脚本是用于发现无人机巡检是的位姿差异，确定对应的补偿参数；
在本实施例中，差异脚本是用于根据位姿的差异，进行轨迹调优补偿的时候，如果不能达到补偿的效果，就控制无人机对当前飞行轨迹进行重飞，保证采集数据的全面性。
优选的，所述矿石捕捉模块包括：
标准设定单元：用于预先设定矿石的特征信息；其中，
特征信息包括颜色信息和轮廓阈值信息；
色差判定单元：用于根据矿点图像，进行色差区分，将矿石作为第一深度色，并将矿石之间的缝隙作为第二深度色，将矿石与非矿石元素之间的缝隙作为第三深度色；
捕捉单元：用于根据第一深度色、第二深度色和第三深度色，在狂点图像上进行色差区域，并对每个第一深度色区域设置捕捉框，生成捕捉框密度图像。
上述技术方案的工作原理为：
在本实施例中，特征信息包括颜色信息和轮廓阈值信息；即矿石的颜色特征和轮廓信息，本发明轮廓阈值信息是每个矿石的大小区间，即长宽高的区间。
在本实施例中，色差区分是为了将矿石、非矿石物质和矿石之间的缝隙进行区分，从而实现景区的矿石捕捉；
在本实施例中，第一深度色、第二深度色和第三深度色都是基于无人机的深度相机捕捉的深度点云信息，便于进行矿石区分。
上述技术方案的有益效果为：
本发明可以基于矿石之间的缝隙，矿石和非矿石物质的缝隙实现对矿石的捕捉划分，提高捕捉矿石的精确度。
优选的，所述矿石筛分模块包括：
体积筛分单元：用于根据密度图像，对筛分不同大小的捕捉框，确定每个矿点不同面积的捕捉框的第一统计数据；
产量筛分单元：用于根据密度图像，进行巡检次数统计，根据巡检次数，确定每一次巡检时，每个矿点的巡检增量，筛分每个矿点的平均产量；
矿点判定单元：将每个矿点的平均产量和预设产量规格中的产量规格进行对比，生成第一对比数据，将每个矿点的第一统计数据与预设产量规格中的矿石大小规格进行对比，生成第二对比数据，并在第一对比数据和第二对比数据同时符合预设产量规格时，将对应矿点划分到第一矿点集合。
上述技术方案的工作原理为：
在本实施例中，体积筛分单元是用于根据矿石图像的密度图像，对每个矿点内不同大小的规格的矿石进行统计。
在本实施例中，产量筛分单元是用于计算每个矿点的增量数据，进而确定每个矿点的矿石产量，实现矿石对比。
在本实施例中，矿点判定单元可以继续宁矿石的大小规格对比和矿石的产量对比，进而确定符合物理采选标准的矿石。
上述技术方案的有益效果为：
本发明通过对矿石的筛分和判定，可以确定符合物理筛选情况下，优选的矿石。
优选的，所述矿点品位判定模块包括：
射线设置单元：用于根据第一矿点集合，确定不同面积规格的捕捉框的数量，并设定对应数量射线源；
测试单元：用于通过射线源照射不同矿点不同面积规格的捕捉框下的矿石样本，按照捕捉框的面积规格，获取不同轮廓区间内矿石的释放的射线数据；
参数获取单元：根据射线数据，构建每个矿点的品位表，统计对应矿点内不同轮廓区间内矿石的射线强度，构成品味表集合，确定品位信息。
上述技术方案的工作原理为：
在本实施例中，本发明通过捕捉框的种类叔和射线源的数量设定一致，可以实现对不同规格的矿石均进行一次综合新的品位检测；
在本实施例中，本发明可以通过测试单元对不同规格的矿石释放的射线数据进行统计，确定不同规格的矿石，不同矿点的矿石内部金属含量。
在本实施例中，通过参数获取单元构建的品位表，可以确定不同矿点的品位信息，基于射线强度可以确定品位信息中矿物质的含量信息。
优选的，所述射线源为多靶射线源；其中，
多靶射线源包括多种不同频率的相同射线；
多靶射线源还包括多种射线接收靶，并基于每个接收靶上的射线量，计算金属密度；其中，
射线接收靶用于对金属同位数跟踪。
上述技术方案的工作原理为：
在本实施例中，多靶射线源中每一种靶是为了跟踪一种同位金属元素，可以判断矿石内部金属含量的同时，进行金属丰度，也就是金属元数多寡的判定。
优选的，所述无人机上设置有聚焦光点，通过聚焦光点对矿石进行捕捉；其中，
聚焦光点包括第一聚焦光点和第二聚焦光点；
第一聚焦光点用于进行矿点聚焦；
第二聚焦光点用于矿石聚焦。
上述技术方案的工作原理为：
在本实施例中，第一聚焦光点可以实现对矿点的聚焦，从而清楚的拍摄矿点的整体图像，进行矿点划分；
在本实施例中，第二聚焦光点可以对矿石进行聚焦采集判断矿石的轮廓大小和产量。
上述技术方案的有益效果为：
通过双重聚焦不仅能够清晰的拍摄矿区图像还能进行矿石的精确捕捉。
优选的，所述聚焦光点还设置有捕捉高度距离，用于进行距离调控；其中，
当无人机进行第一聚焦光点聚焦时，生成第一高度信息，并设置第一聚焦参数，获取矿点图像；其中，
当第一高度信息大于捕捉高度距离时，进行无人机高度下降，直至无人机高度在捕捉高度距离内，生成第二聚焦光点，进行矿石图像捕捉。
上述技术方案的工作原理为：
在本实施例中，通过低于聚焦光点和第二聚焦光点，本发明可以进行无人机高度的调节，通过无人机高度的调节，可以更加清楚地获取矿石图像。
因为是通过聚焦光点进行高度调节，调节速度更快，而且，更加符合矿场这种特殊的不能实现轻易识别的场景，因为矿场的图像元素相似度较高。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于智能算法的金属矿石采选控制系统，其特征在于，包括：
矿点检测模块：用于通过无人机巡视露天矿场的不同矿点，获取矿点图像和产量数量；其中，
无人机上设置有聚焦捕捉算法；
矿石捕捉模块：用于在矿点图像上设置捕捉框，进行矿石捕捉，生成不同大小捕捉框的密度图像；其中，
捕捉框包括多个不同面积的捕捉框，每个面积的捕捉框对应一个轮廓区间的矿石；
矿石筛分模块：用于根据密度图像，对每个矿点的矿石进行筛分，确定每个矿点不同大小矿石的出产量数据，确定出产量符合预设产量规格的矿点，生成第一矿点集合；其中，
筛分包括体积筛分和产量筛分；
矿点品位判定模块：将第一矿点集合中的矿石按照体积筛分结果，进行放射性探测，通过放射性探测，确定第一矿点集合中不同矿点的品位信息；
矿石采集模块：根据品位信息，将第一矿点集合中的矿点按照品位和产量进行分别排序，生成金属矿石的采选序列。
2.如权利要求1所述的一种基于智能算法的金属矿石采选控制系统，其特征在于，所述矿点检测模块包括：
三维建模单元：用于根据矿点图像，进行露天矿场的地形数据采集，搭建露天矿场的三维地图；
矿点分布显示单元：用于根据三维地图，对每个矿点的区域进行上色分割，并将上色分割的颜色作为矿点的区域辨识系数；
巡视设置单元：用于根据区域辨识系数，分别确定每个矿点区域的数字高程图像和坡度数据；
第一巡检线路设定单元：用于根据矿场无人机库的分布位置和矿点分布位置，确定巡视无人机出发点和无人机数量，生成巡检线路的第一规划参数；
第二巡检线路设定单元：根据数字高程图像，确定矿点的高度分布数据，生成巡检的第二规划参数；
第三巡检线路设定单元：根据坡度数据，确定每个矿点的无人机巡检角度数据，生成第三规划参数；
巡检线路规划单元：用于根据第一规划参数、第二规划参数和第三规划参数，设定出发点、高度点和角度点，构成矿场的飞行巡检线路；
巡视数据采集单元：用于根据飞行巡检线路，确定每个矿点的巡检坐标区域，通过巡检坐标，将无人机巡检视频按照巡检坐标进行矿点划分，分别确定每个矿点的矿点图像，并基于矿点图像进行产量估算，确定产量数据。
3.如权利要求2所述的一种基于智能算法的金属矿石采选控制系统，其特征在于，所述产量估算包括如下步骤：
将飞行巡检线路上第一次巡检完成后的矿点图像作为初始图像，在初始图像上构建计算网格；其中，
计算网格包括面积网格和高度网格；
根据高度网格设置每个高度网格对应高度的平面矿石轮廓图；
根据面积网格，计算相对于初始图像上，每个平面矿石轮廓图的面积增量；
根据面积增量和网格高度，进行矿石增量计算，确定产量数量。
4.如权利要求2所述的一种基于智能算法的金属矿石采选控制系统，其特征在于，所述无人机巡检还包括：
在无人机中配置帧同步脚本、惯性测量脚本和差异脚本；其中，
帧同步脚本用于根据飞行巡检线路，生成帧同步轨迹参数，并在无人机根据飞行巡检线路进行巡检时通过无人机的出发点、高度点和角度点，将实时轨迹参数和帧同步轨迹参数进行拟合，进行轨迹动态调优；
惯性测量脚本用于在轨迹动态调优时，确定位姿补偿参数，进行无人机位姿补偿；
差异脚本用于通过惯性测量脚本获取无人机位姿数据，确定无人机每一时刻的位姿参数与帧同步轨迹中位姿参数的差异，确定拟合偏差系数，并在拟合偏差系数不满足预定标准时，进行轨迹重复，并在轨迹重复时进行再次轨迹动态调优。
5.如权利要求1所述的一种基于智能算法的金属矿石采选控制系统，其特征在于，所述矿石捕捉模块包括：
标准设定单元：用于预先设定矿石的特征信息；其中，
特征信息包括颜色信息和轮廓阈值信息；
色差判定单元：用于根据矿点图像，进行色差区分，将矿石作为第一深度色，并将矿石之间的缝隙作为第二深度色，将矿石与非矿石元素之间的缝隙作为第三深度色；
捕捉单元：用于根据第一深度色、第二深度色和第三深度色，在狂点图像上进行色差区域，并对每个第一深度色区域设置捕捉框，生成捕捉框密度图像。
6.如权利要求1所述的一种基于智能算法的金属矿石采选控制系统，其特征在于，所述矿石筛分模块包括：
体积筛分单元：用于根据密度图像，对筛分不同大小的捕捉框，确定每个矿点不同面积的捕捉框的第一统计数据；
产量筛分单元：用于根据密度图像，进行巡检次数统计，根据巡检次数，确定每一次巡检时，每个矿点的巡检增量，筛分每个矿点的平均产量；
矿点判定单元：将每个矿点的平均产量和预设产量规格中的产量规格进行对比，生成第一对比数据，将每个矿点的第一统计数据与预设产量规格中的矿石大小规格进行对比，生成第二对比数据，并在第一对比数据和第二对比数据同时符合预设产量规格时，将对应矿点划分到第一矿点集合。
7.如权利要求1所述的一种基于智能算法的金属矿石采选控制系统，其特征在于，所述矿点品位判定模块包括：
射线设置单元：用于根据第一矿点集合，确定不同面积规格的捕捉框的数量，并设定对应数量射线源；
测试单元：用于通过射线源照射不同矿点不同面积规格的捕捉框下的矿石样本，按照捕捉框的面积规格，获取不同轮廓区间内矿石的释放的射线数据；
参数获取单元：根据射线数据，构建每个矿点的品位表，统计对应矿点内不同轮廓区间内矿石的射线强度，构成品味表集合，确定品位信息。
8.如权利要求7所述的一种基于智能算法的金属矿石采选控制系统，其特征在于，所述射线源为多靶射线源；其中，
多靶射线源包括多种不同频率的相同射线；
多靶射线源还包括多种射线接收靶，并基于每个接收靶上的射线量，计算金属密度；其中，
射线接收靶用于对金属同位数跟踪。
9.如权利要求1所述的一种基于智能算法的金属矿石采选控制系统，其特征在于，所述无人机上设置有聚焦光点，通过聚焦光点对矿石进行捕捉；其中，
聚焦光点包括第一聚焦光点和第二聚焦光点；
第一聚焦光点用于进行矿点聚焦；
第二聚焦光点用于矿石聚焦。
10.如权利要求9所述的一种基于智能算法的金属矿石采选控制系统，其特征在于，所述聚焦光点还设置有捕捉高度距离，用于进行距离调控；其中，
当无人机进行第一聚焦光点聚焦时，生成第一高度信息，并设置第一聚焦参数，获取矿点图像；其中，
当第一高度信息大于捕捉高度距离时，进行无人机高度下降，直至无人机高度在捕捉高度距离内，生成第二聚焦光点，进行矿石图像捕捉。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310657107.2A CN116733472B (zh) | 2023-06-05 | 2023-06-05 | 一种基于智能算法的金属矿石采选控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310657107.2A CN116733472B (zh) | 2023-06-05 | 2023-06-05 | 一种基于智能算法的金属矿石采选控制系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116733472A true CN116733472A (zh) | 2023-09-12 |
| CN116733472B CN116733472B (zh) | 2024-06-04 |
Family
ID=87914448
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310657107.2A Active CN116733472B (zh) | 2023-06-05 | 2023-06-05 | 一种基于智能算法的金属矿石采选控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116733472B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118462175A (zh) * | 2024-07-11 | 2024-08-09 | 五矿勘查开发有限公司 | 一种用于石墨矿开采的配矿方法及系统 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017201570A1 (en) * | 2016-05-21 | 2017-11-30 | Transpiro Pty Ltd | Non-invasive sampling |
| 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 |
| US20190073534A1 (en) * | 2015-11-08 | 2019-03-07 | Agrowing Ltd. | Method for aerial imagery acquisition and analysis |
| WO2019046899A1 (en) * | 2017-09-07 | 2019-03-14 | Cmte Development Limited | SYSTEM AND METHOD FOR SPATIAL DATA PROCESSING |
| CN110390691A (zh) * | 2019-06-12 | 2019-10-29 | 合肥合工安驰智能科技有限公司 | 一种基于深度学习的矿石尺度测量方法及应用系统 |
| CN110414341A (zh) * | 2019-06-24 | 2019-11-05 | 中国矿业大学 | 一种基于无人机技术的露天矿爆堆测量统计方法 |
| CN110837260A (zh) * | 2019-12-08 | 2020-02-25 | 姜昀呈 | 一种用于高原地区的地理测绘用飞行器 |
| 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 |
| KR102187654B1 (ko) * | 2020-07-09 | 2020-12-07 | 주식회사 이노드 | 저고도 무인 비행체 및 이를 포함하는 작물 재배 정보 획득 시스템 |
| CN112085617A (zh) * | 2020-08-12 | 2020-12-15 | 河北钢铁集团矿业有限公司 | 一种露天矿山优选配矿方法 |
| CN112365494A (zh) * | 2020-11-30 | 2021-02-12 | 北京理工大学 | 一种基于深度学习预测边缘的矿石物料图像分割方法 |
| CN113344912A (zh) * | 2021-07-06 | 2021-09-03 | 矿冶科技集团有限公司 | 矿石颗粒分割系统、方法和机器可读存储介质 |
| US20210310353A1 (en) * | 2016-09-16 | 2021-10-07 | John Aylmer | Nuclear power heavy construction, mining and processing apparatus to make Exo-planetary infrastructures operational for enmasse strategic minerals and water mining production |
| CN114782847A (zh) * | 2022-06-20 | 2022-07-22 | 南京航天宏图信息技术有限公司 | 一种基于无人机的矿山产能监测方法及装置 |
| CN115565024A (zh) * | 2022-09-09 | 2023-01-03 | 中铁十九局集团矿业投资有限公司 | 一种基于yolov5图像识别算法和深度相机的矿石块度检测方法 |
-
2023
- 2023-06-05 CN CN202310657107.2A patent/CN116733472B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190073534A1 (en) * | 2015-11-08 | 2019-03-07 | Agrowing Ltd. | Method for aerial imagery acquisition and analysis |
| WO2017201570A1 (en) * | 2016-05-21 | 2017-11-30 | Transpiro Pty Ltd | Non-invasive sampling |
| US20210310353A1 (en) * | 2016-09-16 | 2021-10-07 | John Aylmer | Nuclear power heavy construction, mining and processing apparatus to make Exo-planetary infrastructures operational for enmasse strategic minerals and water mining production |
| WO2019046899A1 (en) * | 2017-09-07 | 2019-03-14 | Cmte Development Limited | SYSTEM AND METHOD FOR SPATIAL DATA PROCESSING |
| 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 |
| CN110390691A (zh) * | 2019-06-12 | 2019-10-29 | 合肥合工安驰智能科技有限公司 | 一种基于深度学习的矿石尺度测量方法及应用系统 |
| CN110414341A (zh) * | 2019-06-24 | 2019-11-05 | 中国矿业大学 | 一种基于无人机技术的露天矿爆堆测量统计方法 |
| CN110837260A (zh) * | 2019-12-08 | 2020-02-25 | 姜昀呈 | 一种用于高原地区的地理测绘用飞行器 |
| 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 |
| KR102187654B1 (ko) * | 2020-07-09 | 2020-12-07 | 주식회사 이노드 | 저고도 무인 비행체 및 이를 포함하는 작물 재배 정보 획득 시스템 |
| CN112085617A (zh) * | 2020-08-12 | 2020-12-15 | 河北钢铁集团矿业有限公司 | 一种露天矿山优选配矿方法 |
| CN112365494A (zh) * | 2020-11-30 | 2021-02-12 | 北京理工大学 | 一种基于深度学习预测边缘的矿石物料图像分割方法 |
| CN113344912A (zh) * | 2021-07-06 | 2021-09-03 | 矿冶科技集团有限公司 | 矿石颗粒分割系统、方法和机器可读存储介质 |
| CN114782847A (zh) * | 2022-06-20 | 2022-07-22 | 南京航天宏图信息技术有限公司 | 一种基于无人机的矿山产能监测方法及装置 |
| CN115565024A (zh) * | 2022-09-09 | 2023-01-03 | 中铁十九局集团矿业投资有限公司 | 一种基于yolov5图像识别算法和深度相机的矿石块度检测方法 |
Non-Patent Citations (5)
| Title |
|---|
| YANG, PENG: "Advances in Mine Pit Wall Geological Mapping Using Unmanned Aerial Vehicle Technology and Deep Learning", UNIVERSITY OF TORONTO (CANADA), 25 May 2023 (2023-05-25) * |
| 刘建坡;刘勇;: "小型无人机基于PhotoScan点云模型重建的露天矿土石方测量新方法", 矿产与地质, no. 03 * |
| 刘建坡;刘勇;: "小型无人机基于PhotoScan点云模型重建的露天矿土石方测量新方法", 矿产与地质, no. 03, 15 June 2020 (2020-06-15) * |
| 方原柏;: "金属矿山智能采矿技术的发展", 自动化博览, no. 11, 15 November 2018 (2018-11-15) * |
| 王涛;龚建华;宋宜全;: "无人机林区影像镶嵌", 遥感信息, no. 05, 15 October 2009 (2009-10-15) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118462175A (zh) * | 2024-07-11 | 2024-08-09 | 五矿勘查开发有限公司 | 一种用于石墨矿开采的配矿方法及系统 |
| CN118462175B (zh) * | 2024-07-11 | 2024-09-17 | 五矿勘查开发有限公司 | 一种用于石墨矿开采的配矿方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116733472B (zh) | 2024-06-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105302151B (zh) | 一种飞机入坞引导和机型识别的系统及方法 | |
| CN116733472B (zh) | 一种基于智能算法的金属矿石采选控制系统 | |
| Wang et al. | Accuracy evaluation of 3d geometry from low-attitude uav collections a case at zijin mine | |
| Puente et al. | Automatic detection of road tunnel luminaires using a mobile LiDAR system | |
| US9489563B2 (en) | Method and arrangement for identifying a difference between a first 3D model of an environment and a second 3D model of the environment | |
| CN117492026B (zh) | 结合激光雷达扫描的铁路货车装载状态检测方法及系统 | |
| De Bruin et al. | Drone-based traffic flow estimation and tracking using computer vision: transportation engineering | |
| CN107314957A (zh) | 一种岩石块度尺寸分布的测量方法 | |
| Karantanellis et al. | 3D hazard analysis and object-based characterization of landslide motion mechanism using UAV imagery | |
| Buill et al. | Comparison of photogrammetric techniques for rockfalls monitoring | |
| CN106295695A (zh) | 一种飞机起降过程自动追踪拍摄方法及装置 | |
| Bamford et al. | Aerial rock fragmentation analysis in low-light condition using UAV technology | |
| CN117723029B (zh) | 一种适用于广域露天矿山的数据采集与建模方法及系统 | |
| CN114608476B (zh) | 一种复杂岩体三维点云结构面智能分析提取方法 | |
| CN105184317A (zh) | 一种基于svm分类的车牌字符分割方法 | |
| CN114998855A (zh) | 道路边缘线的生成方法、装置、存储介质和计算机设备 | |
| Hofmann et al. | Skyline matching based camera orientation from images and mobile mapping point clouds | |
| Rahman et al. | Association between imaging and XRF sensing: A machine learning approach to discover mineralogy in abandoned mine voids | |
| Bamford et al. | A real-time analysis of rock fragmentation using UAV technology | |
| CN102054278B (zh) | 基于网格收缩的对象跟踪方法 | |
| Bouziani et al. | Comparison assessment of digital 3D models obtained by drone-based lidar and drone imagery | |
| CN116934832A (zh) | 基于现场参照物的三维点云的实时标定方法 | |
| Samieinejad et al. | A field investigation of application of digital terrestrial photogrammetry to characterize geometric properties of discontinuities in open-pit slopes | |
| Bamford et al. | Evaluation of UAV system accuracy for automated fragmentation measurement | |
| Frankenberger et al. | Low-altitude digital photogrammetry technique to assess ephemeral gully erosion |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |