一种应用于地下矿山爆破的超欠挖及块度智能识别系统的制作方法

本发明涉及矿山爆破，特别涉及一种应用于地下矿山爆破的超欠挖及块度智能识别系统。

背景技术：

1、地下矿山爆破是一种在地下矿洞中进行爆破作业的方法，通常用于将矿石从岩体中剥落下来。在地下矿山爆破作业中，需要遵守相关规定和注意事项，以确保安全和有效地完成爆破任务，通过爆破可以有效地降低矿石的开采成本，提高开采效率，为矿山的持续生产和经济效益提供保障。

2、目前在地下矿山爆破作业中，由于地质构造变动使开挖面临岩体分类不准、岩性未知、结构错动等情况，特别是在地质环境比较复杂的地区，例如包括煤层、火山岩和矿物质等各种差别较大的地质构造，这就使得作业工程在这些复杂的地质情况下进行，需要很高的技术水平和经验，否则就很容易出现超欠挖等质量问题。

3、而在目前的实际作业过程中，在对隧道进行超欠挖检测时，多使用人工配合全站仪、水准仪等测量设备进行检查，而由于开挖体系庞大，这种检测方式已然不能满足工作需求，不仅费时费力且测量精度低下；同时，传统爆破过程中仍然存在着无法快速进行块度检测的缺陷，需要另外进行单独测量，其工作效率低下，影响后续工作进度，因此，亟需一种应用于地下矿山爆破的超欠挖及块度智能识别系统。

技术实现思路

1、本发明针对现有技术存在的缺陷提供一种应用于地下矿山爆破的超欠挖及块度智能识别系统。

2、本发明的技术解决方案是：一种应用于地下矿山爆破的超欠挖及块度智能识别系统，包括：超欠挖识别单元、块度识别单元、动力驱动单元；

3、所述超欠挖识别单元、块度识别单元基于数据采集器进行运作；块度识别单元与超欠挖识别单元共享数据采集器的数据采集模块；

4、所述数据采集器与动力驱动单元连接；

5、所述超欠挖识别单元、块度识别单元以ai云端记忆终端为平台，并通过大数据ai预处理模块与ai算法训练集成连接；

6、所述超欠挖识别单元中设置有数据处理模块，数据处理模块基于数据采集模块运行，数据采集模块包括具有稳定实施光源的超清摄像头，超清摄像头通过数据采集模块将处理图像输入至ai云端记忆终端中；

7、所述块度识别单元基于超欠挖识别单元运行，并通过数据处理模块与超清摄像头连接，并最终通过大数据ai预处理模块将两者将进行算法分割，并通过算法控制驱动动力驱动单元。

8、根据本发明实施例，所述超欠挖识别单元中数据采集模块设置有超清摄像头、激光扫描仪；所述超清摄像头、激光扫描仪基于稳定光源运行。

9、根据本发明实施例，所述超欠挖识别单元的数据采集模块处理图像包括图像分割，所述包括图像分割将rgb摄像原始图像分为两部分，分别为超欠挖区域图、矿石碎石图，所生成的图像会基于ai云端记忆终端的基础下，输送至ai算法训练集成中进行深度学习，并通过算法执行使动力驱动单元进行多次采集。

10、根据本发明实施例，所述动力驱动单元通过数据采集模块进行多次、多角度、多方向的采集。

11、根据本发明实施例，所述块度识别单元与超欠挖识别单元共享数据采集模块，并通过激光扫描仪、超清摄像头进行数据传输，且块度识别单元、超欠挖识别单元将原始图像输入至大数据ai预处理模块中后，大数据ai预处理模块对原始输入的rgb摄像原始图像进行分析，并进行图像处理。

12、根据本发明实施例，所述rgb摄像原始图像通过大数据ai预处理模块的输入过程中，rgb摄像原始图像经ai处理为灰度图像，并通过分数阶积分平滑滤波，并进行骨架提取，模型信息、建立，通过ai算法训练集成学习每一次rgb摄像原始图像。

13、根据本发明实施例，所述rgb摄像原始图像在经过大数据ai预处理模块识别处理后，会分别产生超欠挖区域图、矿石碎石图的灰度图像、预生成模型、预生成坐标、预生成碎石骨架角点，其中数据会被ai云端记忆终端进行收集，并基于ai算法训练集成进行保存。

14、根据本发明实施例，所述灰度图像、预生成模型、预生成坐标、预生成碎石骨架角点均基于数据采集模块、动力驱动单元的多次采样下形成，其中预生成模型、预生成坐标均通过bim模型进行显示，并通过网格算法，计算出法线方向即角点坐标，并配合ai算法训练集成，得到实际bim模型中各角点处的超欠挖值，进而得到隧道掌子面上的具体超欠挖值分布。

15、根据本发明实施例，所述rgb摄像原始图像的处理过程中，对分数阶积分平滑滤波后的平滑图像需进行canny边界扫描，进而提取骨架点，并进行多次循环杂线取出即断线连接的操作，计算骨架角点。

16、本发明的有益技术效果是：通过在数据采集器中设置有超欠挖识别单元、块度识别单元，并将单元分别基于ai云端记忆终端中运行，配合ai算法训练集成对数据采集模块中所获得的rgb摄像原始图像进行分析，并通过大数据ai预处理模块对图像进行分析，并在动力驱动单元的配合下，通过多角度传动、多次数测量、多方向位移的测量基准下，进而获得多个对比图像，进而产生灰度图形、预生成模型、预生成坐标、预生成碎石骨架角点等关键识别基点，从而能在对掌子面超欠挖面积的计算过程中，可以将矿石碎石的块度进行建立基础模型，并实现分析比较的功能，有效提高了在矿山爆破中后的高效的检测目的。

技术特征：

1.一种应用于地下矿山爆破的超欠挖及块度智能识别系统，其特征在于，包括：超欠挖识别单元、块度识别单元、动力驱动单元；

2.根据权利要求1所述的一种应用于地下矿山爆破的超欠挖及块度智能识别系统，其特征在于所述超欠挖识别单元中数据采集模块设置有超清摄像头、激光扫描仪；所述超清摄像头、激光扫描仪基于稳定光源运行。

3.根据权利要求1所述的一种应用于地下矿山爆破的超欠挖、块度智能识别系统，其特征在于所述超欠挖识别单元的数据采集模块处理图像包括图像分割，所述包括图像分割将rgb摄像原始图像分为两部分，分别为超欠挖区域图、矿石碎石图，所生成的图像会基于ai云端记忆终端的基础下，输送至ai算法训练集成中进行深度学习，并通过算法执行使动力驱动单元进行多次采集。

4.根据权利要求1所述的一种应用于地下矿山爆破的超欠挖及块度智能识别系统，其特征在于所述所述动力驱动单元通过数据采集模块进行多次、多角度、多方向的采集。

5.根据权利要求1所述的一种应用于地下矿山爆破的超欠挖及块度智能识别系统，其特征在于所述块度识别单元与超欠挖识别单元共享数据采集模块，并通过激光扫描仪、超清摄像头进行数据传输，且块度识别单元、超欠挖识别单元将原始图像输入至大数据ai预处理模块中后，大数据ai预处理模块对原始输入的rgb摄像原始图像进行分析，并进行图像处理。

6.根据权利要求5所述的一种应用于地下矿山爆破的超欠挖及块度智能识别系统，其特征在于所述rgb摄像原始图像通过大数据ai预处理模块的输入过程中，rgb摄像原始图像经ai处理为灰度图像，并通过分数阶积分平滑滤波，并进行骨架提取，模型信息、建立，通过ai算法训练集成学习每一次rgb摄像原始图像。

7.根据权利要求6所述的一种应用于地下矿山爆破的超欠挖及块度智能识别系统，其特征在于所述rgb摄像原始图像在经过大数据ai预处理模块识别处理后，会分别产生超欠挖区域图、矿石碎石图的灰度图像、预生成模型、预生成坐标、预生成碎石骨架角点，其中数据会被ai云端记忆终端进行收集，并基于ai算法训练集成进行保存。

8.根据权利要求7所述的一种应用于地下矿山爆破的超欠挖及块度智能识别系统，其特征在于所述灰度图像、预生成模型、预生成坐标、预生成碎石骨架角点均基于数据采集模块、动力驱动单元的多次采样下形成，其中预生成模型、预生成坐标均通过bim模型进行显示，并通过网格算法，计算出法线方向即角点坐标，并配合ai算法训练集成，得到实际bim模型中各角点处的超欠挖值，进而得到隧道掌子面上的具体超欠挖值分布。

9.根据权利要求6所述的一种应用于地下矿山爆破的超欠挖及块度智能识别系统，其特征在于所述rgb摄像原始图像的处理过程中，对分数阶积分平滑滤波后的平滑图像需进行canny边界扫描，进而提取骨架点，并进行多次循环杂线取出即断线连接的操作，计算骨架角点。

技术总结本发明公开了一种应用于地下矿山爆破的超欠挖及块度智能识别系统。包括超欠挖识别单元、块度识别单元、动力驱动单元；块度识别单元与超欠挖识别单元共享数据采集器；数据采集器与动力驱动单元连接；超欠挖识别单元、块度识别单元以AI云端记忆终端为平台，通过大数据AI预处理模块与AI算法训练集成连接；超清摄像头通过数据采集模块将处理图像输入至AI云端记忆终端；所述块度识别单元基于超欠挖识别单元运行，通过大数据AI预处理模块将两者将进行算法分割，通过算法控制驱动动力驱动单元。本发明对掌子面超欠挖面积的计算过程中，将矿石碎石的块度建立基础模型，实现分析比较的功能，有效提高了在矿山爆破中后的高效的检测目的。技术研发人员：秦绍兵,杨友才,董俊华,秦晋,张光权,张允臻,王建卓受保护的技术使用者：中钢集团武汉安全环保研究院有限公司技术研发日：技术公布日：2024/7/29