基于改进YOLOv8的露天矿区行车障碍物检测

露天矿区场景复杂,行车障碍物检测受扬尘和颗粒物等粉尘噪声干扰严重,难以准确识别障碍物,尤其是光线较差的夜间,不利于做出正确决策,从而影响无人作业的安全性和整体效率。针对以上问题,提出了一种基于YOLOv8n模型的露天矿区行车障碍物检测算法YOLOv8n-Enhanced。该算法主要从3个方面进行了改进,具体包括：首先,针对受粉尘噪声干扰严重和夜间光线不足的问题,提出了C2fCA模块结构,提高了模型特征提取能力;其次,使用轻量级卷积技术GSConv和VoV-GSCSP模块,减轻模型复杂性,实现检测器更高的计算成本效益;最后,使用WIOU损失函数,提高了模型泛化能力。试验结果表明：改进算法在保持实时性的前提下,可将YOLOv8n的平均精度（mean Average Precision,mAP）分别提高1.8%和2.6%,实现白天与夜间场景下不同尺度的障碍物识别。     

中国恩菲推广地下矿无人驾驶电机车运输

中国恩菲工程技术有限公司与铜陵有色金属集团冬瓜山铜矿共同签订冬瓜山铜矿无人驾驶电机车运输系统设备委托采购合同。这是继2014年4月双方签订该项目技术服务合同后的又一重大进展,为中国恩菲无人驾驶电机车运输技术投入实际生产应用提供了有力条件。该项目计划于2015年底前全部完成。     

无人驾驶电机车多车斗同步自动对位装矿技术研究与应用

5G、云计算、AI等ICT技术飞速发展,为传统矿山提供了全新的发展机遇。矿山面临资源不足、开采难度递增、单位矿石生产成本高、未来劳动力风险大等关键的结构性问题,迫切需要数字化、智能化手段加以解决。原矿石窄轨运输是矿山开采的重要工艺,无人驾驶电机车的部署对是智能矿山建设意义重大,电机车无人驾驶中多车斗同步自动对位装矿是无人驾驶的重要环节,也是无人驾驶需要突破的技术难点。本次研究应用“激光传感器、激光雷达、AI视觉、射频信标、高精编码”等新技术的融合,完成多车斗同步自动对位装矿复杂工艺,能达到电机车无人驾驶目标及生产效率要求。     

基于RCR _YOLOv4的矿井巷道红外障碍检测研究

针对地下矿井巷道光线昏暗的道路上会出现落石或行人等行车障碍物,严重影响无人驾驶矿卡安全行驶的问题,提出了一种基于红外视觉识别的巷道障碍物快速检测优化模型RCR_YOLOv4。该模型利用K-Means++优化算法筛选巷道障碍物的先验框尺寸,并引入深度可分离卷积降低网络参数量和计算量,从而提高障碍目标的定位精度和检测效率。通过设计双通道注意力机制对网络特征融合模块进行优化,实现对无人矿卡行车障碍的高精度检测。结果表明,该目标检测模型对矿井道路障碍的检测准确率达到93.52%,检测速度达到60.6 FPS,能够为矿井巷道复杂环境下无人矿卡安全行驶提供保障。     

基于机器视觉的表面检测系统防振设计方法

振动是影响视觉检测系统成像效果的最重要因素之一,被测对象及检测系统本身的振动对成像质量有着重要影响。在基于机器视觉的表面检测系统中,选择合适成像位置或增加稳定辊,并通过专用机械结构支撑检测系统,将检测系统与生产机组进行隔离,有效避免了生产过程中的振动对成像的影响。表面检测系统防振设计方法已在宝钢多套表面检测系统中得到应用,为表面检测系统在现场的稳定运行起到了非常重要的作用。     

钢板表面缺陷计算机视觉在线检测系统的研制

介绍了将计算机视觉技术应用于钢板表面缺陷的检测过程,系统根据高速线阵CCD扫描检测的原理,分别设计并优化了高强度光源照明模块、CCD成像模块、信号采集预处理模块、图像处理缺陷分类模块和人机接口模块,对钢板的主要缺陷(气泡、夹杂、结疤、划伤和压痕等)进行在线无损检测,模块化设计方便系统在硬件和软件上的扩展。整个系统若加以升级扩展,并进行生产应用试验,则可满足钢板表面缺陷的在线检测。     

基于计算机视觉的烧结机尾断面图像研究进展

摘要：烧结机尾的断面可以最直接地反映烧结过程控制与烧结矿质量的丰富信息。如何利用计算机视觉技术对机尾断面的特征进行提取,并实现烧结矿质量的精准预报和控制,是智慧烧结的重点研究内容之一。首先对烧结机尾断面图像的去噪、分割和特征提取等图像预处理方式进行了全面的对比和分析,然后从烧结矿FeO含量、烧结终点、转鼓强度、布料均匀性和烧结混合料水分等方面剖析了烧结机尾断面图像分析技术在烧结矿质量预报和控制方面的应用情况。另外,以烧结矿FeO含量预报为例,揭示了基于计算机视觉的烧结机尾断面图像研究的发展和演变规律,并指明了当前研究的不足以及未来的发展趋势。     

基于机器视觉的钢板表面缺陷检测系统

钢板的制造能力是钢铁企业发达程度的一项主要指标,因其优异的表面质量特征和机械力学性能,在车辆工业、国防、航空航天、化工设备以及轻工业生产加工等行业中获得了广泛的使用。同时由于加工技术和生产工艺的完善和企业自动化管理能力的日益增强,钢板的形状精度、板形、动力学性能和表面质量特征均受到了较好的保证,而随着车辆、航空、机械电子、家电和建筑装潢材料等钢板的主要客户对钢板表面质量的需求也愈来愈大,使钢板表面质量问题也日益凸显。     

基于参照物法的高速公路车距检测算法研究

行车车距较近是导致高速公路发生交通事故的主要原因之一。为降低交管部门对高速公路未保持安全车距的违法行为的监管成本,基于高速公路场景下的卡口相机视频,提出一种基于参照物法的单目视觉高速公路车距检测方法。该方法首先使用YOLOv5+DeepSORT对视频中的多个车辆进行动态跟踪定位,从而获取车辆的像素位置,再选取长度已知的车道线作为参照物,通过拟合进行世界坐标系与像素坐标系转换,计算得到每个像素点位代表的实际距离,进而基于像素位置计算同一帧下的相邻车辆的实际距离。实验结果表明,在有效测距范围内,所提方法的车辆检测平均精度大于98%,测距误差小于6%,平均误差小于3%,所提方法的精确度能够满足交管部门的监管需求。     

新型斩波调速装置在工矿电机车的应用

介绍了新型IGCT直流斩波调速装置电气传动工作原理和控制系统功能及其在工矿电机车上的应用。达到了节能、降低维护成本和延长电机车使用寿命的良好效果。     

直流斩波控制技术在焦炉车辆上的应用

提出了焦炉电机车原控制系统所存在的问题,论述了直流波控制技术的工作原理及优越性。     

基于RANSAC的地下矿山巷道边线检测算法

巷道边线是井下铲运机反应式导航系统中重要的感知信息。为了准确可靠地在井下环境中感知巷道边线,提出一种基于二维激光扫描信息和随机抽样一致性(RANSAC)的巷道边线检测算法。首先计算每个激光点的曲率,根据曲率阈值将激光点云划分为多个区域;然后基于RANSAC从每个区域提取直线,并根据铲运机航向角及巷道的设计标准进行筛选;最后合并筛选后的激光点云数据,使用RANSAC算法生成最终的巷道边线。基于地下矿山6种典型的巷道场景对算法效果进行验证,结果显示提取的巷道边线可靠度均达到96%以上,且算法具有很高的实时性和稳健性。     

基于图像识别的井下机车载矿量计量系统

出矿量是矿山企业制定生产计划的一个重要指标,而目前绝大多数地下矿山采用人工清点载矿矿车数的方式估算出矿量,该计量方式存在估算误差大等缺点,严重影响了矿山企业生产计划的合理制定.本文采用图像识别与密度模型建模相结合的方法,通过对矿石堆图像信息进行三维重建形成体积模型,构建了一个图像特征—密度库,设计并开发了一套基于图像识...     

基于混沌时间序列分析方法的矿山塌陷区范围预测

地下开采所引发的地表变形对矿山工业生产造成了严重危害,因此准确预测矿山塌陷区范围对于矿山安全生产具有重要意义。将混沌时间序列分析方法应用于矿山塌陷区范围预测中,以相空间重构理论为基础,采用小数据量算法计算得到时间序列的关键指标——最大Lyapunov指数,研究了塌陷区在相空间相点距离的演变规律,建立了塌陷区范围边界预测模型,并应用该模型对红岭铅锌矿塌陷区范围进行了分析预测。结果表明,矿山塌陷区范围变化具有混沌特性,时间序列分析方法能够很好地反映塌陷区范围的内在规律,通过计算得出红岭铅锌矿塌陷区范围时间序列的最大Lyapunov指数大于0,该矿山塌陷区范围的预测值与实际值基本吻合,误差大小不超过0.1%,验证了该方法的可靠性,为矿山塌陷区预测提供了一种新思路。