使用高光譜成像技術(shù)實(shí)時(shí)確定工作面等級(jí),用于確定采礦面或礦石裸露表面質(zhì)量的當(dāng)前方法,采礦業(yè)還有很多不足之處。開(kāi)采工作的位置在整個(gè)開(kāi)采過(guò)程中必定會(huì)發(fā)生變化,這使得需要確定多個(gè)工作面。但是,當(dāng)前的工作面分級(jí)技術(shù)取決于鉆探和破壞性測(cè)試,這些測(cè)試需要時(shí)間才能完成,從而導(dǎo)致礦石損失并且缺乏精度。
機(jī)器視覺(jué)系統(tǒng)解決了這些問(wèn)題。它使用HySpexVNIR-1800攝像機(jī)(覆蓋400至1000 nm波長(zhǎng)范圍)和HySpex SWIR-384攝像機(jī)(覆蓋1000至2500 nm范圍)進(jìn)行高光譜成像,并且Velodyne-VLP-16 LiDAR掃描儀可生成采礦工作面的3D點(diǎn)云。攝像機(jī)和掃描儀裝在安裝在云臺(tái)上的傳感器頭中,系統(tǒng)的其余部分安裝在固定車(chē)輛的后部。
三個(gè)具有實(shí)時(shí)運(yùn)動(dòng)(RTK)校正功能的全球?qū)Ш叫l(wèi)星系統(tǒng)(GNNS)接收器通過(guò)對(duì)由LiDAR掃描儀構(gòu)建的地形模型進(jìn)行地理定位來(lái)對(duì)系統(tǒng)進(jìn)行定向。這樣做可以將GPS坐標(biāo)分配給地形圖上的每個(gè)點(diǎn),以查明收集高光譜數(shù)據(jù)的位置,從而使機(jī)器視覺(jué)系統(tǒng)可以將高光譜和3D掃描數(shù)據(jù)結(jié)合起來(lái)。系統(tǒng)的最佳掃描距離為30 m。
首先進(jìn)行LiDAR掃描,以確保地形掃描捕獲了整個(gè)感興趣的區(qū)域,并允許操作員進(jìn)行校正。然后,當(dāng)高光譜攝像機(jī)進(jìn)行線掃描時(shí),云臺(tái)單元將在感興趣的區(qū)域中進(jìn)行搖攝。此過(guò)程在場(chǎng)景的一小部分上進(jìn)行,以確保高光譜相機(jī)捕獲所需波長(zhǎng)范圍內(nèi)的信息。進(jìn)行必要的調(diào)整后,高光譜相機(jī)會(huì)對(duì)整個(gè)礦井面成像。
研究人員指出,將太陽(yáng)光與通常的照明光源(如鹵素?zé)艋驅(qū)拵?/span>LED)進(jìn)行對(duì)比,對(duì)于處理高光譜數(shù)據(jù)提出了挑戰(zhàn)。由于水蒸氣吸收了某些波長(zhǎng)的紅外光,因此諸如濕度之類(lèi)的大氣條件提出了挑戰(zhàn)??梢詫?duì)機(jī)器視覺(jué)系統(tǒng)進(jìn)行編程,以在處理高光譜數(shù)據(jù)時(shí)通過(guò)使用過(guò)濾器來(lái)考慮這些變量。
最后,圖像中的每個(gè)像素都用高光譜信息標(biāo)記,而卷積神經(jīng)網(wǎng)絡(luò)(CNN)將每個(gè)像素的標(biāo)記分類(lèi)。CNN訓(xùn)練從已知品位的礦石樣品,化學(xué)測(cè)定值或具有實(shí)測(cè)真實(shí)值的現(xiàn)場(chǎng)調(diào)查中收集的標(biāo)記數(shù)據(jù)。
在位于澳大利亞的金礦的測(cè)試中,從每個(gè)站點(diǎn)采集礦石樣品,用鹵素?zé)粽彰?,并用高光譜相機(jī)成像。為原型系統(tǒng)設(shè)計(jì)的波長(zhǎng)濾光片用于濾除大氣條件引起的噪聲,用于對(duì)礦石樣品進(jìn)行成像,以確保在測(cè)試和地面真實(shí)高光譜數(shù)據(jù)收集中使用相同數(shù)量的光譜通道。
在將地面真實(shí)數(shù)據(jù)與由CNN分析機(jī)器視覺(jué)系統(tǒng)收集的高光譜圖像確定的礦石分級(jí)結(jié)果進(jìn)行比較之后,研究人員確定該系統(tǒng)成功提供了有用的礦石分級(jí)信息。此外,實(shí)驗(yàn)建立了適當(dāng)?shù)墓ぷ髁鞒?,以將系統(tǒng)部署到新站點(diǎn)。
外星眼機(jī)器視覺(jué)認(rèn)為:嚴(yán)酷的自然環(huán)境會(huì)給機(jī)器視覺(jué)成像系統(tǒng)帶來(lái)挑戰(zhàn),這使得機(jī)器視覺(jué)在自然條件下使用的精度和準(zhǔn)確性并不高。使用多次成像和高光譜成像在一定程度上可以解決這樣的問(wèn)題。
上一篇 : 無(wú)人機(jī)載成像光譜儀的創(chuàng)新成果
下一篇 : 沒(méi)有了