矿业研究与开发

作者：郇宝乾，宋家威，张万忠，柴青平，王雪松，徐振洋

关键词：爆堆块度;图像分割;TAUNet;爆堆分层

为了更好地满足矿区现场爆堆块度实时高精度检测的需要,提出了一种基于深度学习的爆堆块体分割模型TAUNet(Transformer Aspp UNet),该模型在UNet的编码器和解码器中融入Transformer的自我注意机制,利用其处理大型特征映射,改善全局信息的提取,恢复在编码器中跳过的粒度细节。在骨干网络特征提取阶段,加入了ASPP空洞卷积模块,增强了模型对块体局部特征的融合.在爆堆图像分割的基础上,采用爆堆分层的方法获取爆堆的块度空间分布信息。结果表明:(1)TAUNet分割模型具有良好分割性能,模型训练评价指标骰子系数、交并比、召回率分别达到97.12％、94.61％、96.2％,均优于主流的语义分割模型,对现场爆堆块体有着良好的分割效果;(2)通过爆堆分层的方法可知肇庆某矿山西采区315~300 m 平台的爆堆块度空间分布,87.15％岩块粒径分布在0~0.6 m,9.9％的岩块粒径分布于0.6~1.0 m,大于1.0 m的大块占2.95％。研究结果能够为爆破效果评价的精细化、智能化发展提供参考借鉴。

来源：2024年第5期

《矿业研究与开发》期刊编辑部

查看矿业研究与开发杂志2024年第5期