Resumen

Las palas eléctricas se utilizan ampliamente en la industria minera para excavar el mineral, y los dientes de la cuchara de las palas pueden perderse debido a la tremenda presión ejercida por los materiales del mineral durante la operación. Cuando los dientes se caen y entran en la trituradora con otros materiales de mineral, se producen graves daños en los engranajes de la trituradora y otros equipos, lo que provoca millones de pérdidas económicas, ya que está hecha de acero de alto manganeso. Por lo tanto, es urgente desarrollar un algoritmo eficiente y automático para detectar los dientes rotos. Sin embargo, los métodos existentes para la detección de dientes rotos tienen poco efecto y la mayoría de los estudios de investigación dependían de las habilidades de los sensores, que serán perturbados por la cavidad cerrada en la pala y no son estables en la práctica. En este trabajo, presentamos un sistema inteligente de visión por ordenador para controlar el estado de los dientes y detectar los dientes perdidos. Dado que el algoritmo a nivel de píxel se lleva a cabo, la cantidad de cálculo debe reducirse para mejorar la superioridad del algoritmo. Para liberar la presión computacional del trabajo posterior, se propone la detección de salientes basada en el aprendizaje profundo para extraer las imágenes de fotogramas clave del flujo de vídeo tomado por la cámara instalada en la pala que incluye los dientes que pretendemos analizar. Además, con el fin de monitorizar de forma más eficiente el estado de los dientes y detectar los dientes que faltan, se procesa la segmentación semántica basada en deep learning para obtener la posición relativa de los dientes en la imagen. Una vez realizada la segmentación semántica, se obtienen imágenes flotantes que contienen la forma de los dientes. A continuación, para detectar eficazmente los dientes perdidos, se propone el registro de imágenes. Por último, el resultado del registro de imágenes muestra si faltan dientes o no, y el sistema alertará inmediatamente al personal para que compruebe la pala cuando se caigan los dientes. A través de suficientes experimentos, el resultado estadístico ha demostrado la superioridad de nuestro modelo presentado que sirve de perspectiva más prometedora en la industria minera.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:dientes, pala, aprendizaje profundo, condiciones de los dientes, segmentación semántica, material mineral, industria minera, dientes rotos, registro de imágenes, cantidad de cálculos
• Keywords:teeth, shovel, deep learning, teeth conditions, semantic segmentation, ore material, mining industry, broken teeth, image registration, amount of calculation