權利要求
1.一種礦山開采計劃制定方法，其特征在于，包括：
獲取礦山圖像;
獲取礦山的環(huán)境數(shù)據(jù);
對所述礦山圖像進行預處理，提取預處理后所述礦山圖像的多維度特征，將所述多維度特征進行融合，得到融合特征;
將所述融合特征輸入識別模型，得到包含礦物的類型信息和品味信息的礦物識別結果;
將所述環(huán)境數(shù)據(jù)和所述礦物識別結果結合，形成礦山環(huán)境-資源分布圖譜;
將所述礦山環(huán)境-資源分布圖譜輸入開采模型，得到最優(yōu)的礦山開采計劃。
2.根據(jù)權利要求1所述的一種礦山開采計劃制定方法，其特征在于，所述礦山圖像和所述環(huán)境數(shù)據(jù)由礦山巡檢機器人獲取，所述礦山巡檢機器人包括移動巡檢機構、攝像頭和環(huán)境傳感器，所述攝像頭和所述環(huán)境傳感器均設置在所述移動巡檢機構上，所述攝像頭和所述環(huán)境傳感器分別用于獲取所述礦山圖像和所述環(huán)境數(shù)據(jù)。
3.根據(jù)權利要求2所述的一種礦山開采計劃制定方法，其特征在于，所述移動巡檢機構采用雙足式、四足式、輪式、履帶式或爬行式移動平臺，所述環(huán)境傳感器包括土壤濕度傳感器、瓦斯?jié)舛葌鞲衅骱投趸紳舛葌鞲衅鳌?
4.根據(jù)權利要求2所述的一種礦山開采計劃制定方法，其特征在于，所述礦山巡檢機器人接收巡檢指令，所述巡檢指令包含巡檢點和巡檢時間，所述礦山巡檢機器人按照所述巡檢點和所述巡檢時間以及已知的礦山地圖，基于SLAM技術構建局部地圖，在所述局部地圖中進行路徑規(guī)劃，按照規(guī)劃的路徑移動至各個所述巡檢點，在所述巡檢點上獲取所述礦山圖像和所述環(huán)境數(shù)據(jù)。
5.根據(jù)權利要求4所述的一種礦山開采計劃制定方法，其特征在于，所述礦山巡檢機器人還包括激光雷達，所述激光雷達用于采集環(huán)境地貌數(shù)據(jù)，在移動過程中將所述環(huán)境地貌數(shù)據(jù)與所述礦山地圖中當前位置的場景數(shù)據(jù)進行比較，如果所述環(huán)境地貌數(shù)據(jù)與所述場景數(shù)據(jù)一致，則所述礦山巡檢機器人按照規(guī)劃的路徑移動，如果所述環(huán)境地貌數(shù)據(jù)與所述場景數(shù)據(jù)不一致，所述礦山巡檢機器人根據(jù)所述環(huán)境地貌數(shù)據(jù)對所述礦山地圖進行更新。
6.根據(jù)權利要求4所述的一種礦山開采計劃制定方法，其特征在于，在所述礦山巡檢機器人開始執(zhí)行所述巡檢指令后，將停止正在進行的生產調度任務，如果根據(jù)所述環(huán)境數(shù)據(jù)確定的安全指標值低于設定的閾值，則對已經(jīng)制定的所述生產調度任務進行調整。
7.根據(jù)權利要求1所述的一種礦山開采計劃制定方法，其特征在于，對所述礦山圖像進行的預處理包括去噪、顏色校正和色彩增強。
8.根據(jù)權利要求1所述的一種礦山開采計劃制定方法，其特征在于，所述多維度特征包括顏色特征、紋理特征和形狀特征。
9.根據(jù)權利要求1所述的一種礦山開采計劃制定方法，其特征在于，所述識別模型和所述開采模型均利用大模型知識庫中的數(shù)據(jù)訓練得到。
10.應用權利要求1-9任一項所述的一種礦山開采計劃制定方法的系統(tǒng)，其特征在于，包括：
礦山巡檢機器人，用于獲取礦山圖像和礦山的環(huán)境數(shù)據(jù);
數(shù)據(jù)中臺，用于對所述礦山圖像進行預處理，提取預處理后所述礦山圖像的多維度特征，將所述多維度特征進行融合，得到融合特征，并將所述融合特征輸入識別模型，得到包含礦物的類型信息和品味信息的礦物識別結果;
數(shù)據(jù)后臺，用于將所述環(huán)境數(shù)據(jù)和所述礦物識別結果結合，形成礦山環(huán)境-資源分布圖譜，并將所述礦山環(huán)境-資源分布圖譜輸入開采模型，得到最優(yōu)的礦山開采計劃。
說明書
技術領域
[0001]本申請涉及自動化管理技術領域，特別涉及一種礦山開采計劃制定方法及系統(tǒng)。
背景技術
[0002]傳統(tǒng)礦山開采過程中，主要依賴于人工經(jīng)驗和現(xiàn)場勘查來確定礦物的分布、品位及開采計劃，這種方式不僅勞動強度大、效率低，而且存在較高的安全風險，如地質災害、有害氣體泄漏等。近年來，雖然一些礦山開始引入自動化設備和監(jiān)控系統(tǒng)，但大多仍停留在簡單的數(shù)據(jù)采集與顯示層面，缺乏深度的數(shù)據(jù)分析與智能決策支持，并且還伴隨著人力成本、安全事故風險等問題。
[0003]在機器視覺領域，隨著圖像處理技術和深度學習算法的快速發(fā)展，其在工業(yè)自動化、質量檢測、環(huán)境監(jiān)測等方面展現(xiàn)出巨大潛力。然而，在礦山開采這一復雜應用場景中，機器視覺技術的應用仍面臨諸多挑戰(zhàn)，如復雜多變的礦山環(huán)境、光照條件不一、礦物種類多樣且特征復雜等。
[0004]同時，大數(shù)據(jù)與人工智能技術的融合應用，為礦山開采提供了新的思路。通過構建大模型知識庫，將海量的礦山數(shù)據(jù)(包括視頻、圖像、傳感器數(shù)據(jù)等)進行深度整合與分析，可以實現(xiàn)對礦山環(huán)境的全面認知與精準預測。然而，如何有效地將機器視覺技術與大模型技術相結合，以實現(xiàn)對礦物的精準識別、礦料品位的快速評估，并據(jù)此制定科學合理的開采計劃，仍是當前礦山開采技術亟需解決的關鍵問題。
發(fā)明內容
[0005]本申請實施例提供了一種礦山開采計劃制定方法及系統(tǒng)，用以解決現(xiàn)有技術中對大數(shù)據(jù)和人工智能技術利用不夠，無法進行準確的礦物識別和制定開采計劃的問題。
[0006]一方面，本申請實施例提供了一種礦山開采計劃制定方法，包括：
獲取礦山圖像;
獲取礦山的環(huán)境數(shù)據(jù);
對礦山圖像進行預處理，提取預處理后礦山圖像的多維度特征，將多維度特征進行融合，得到融合特征;
將融合特征輸入識別模型，得到包含礦物的類型信息和品味信息的礦物識別結果;
將環(huán)境數(shù)據(jù)和礦物識別結果結合，形成礦山環(huán)境-資源分布圖譜;
將礦山環(huán)境-資源分布圖譜輸入開采模型，得到最優(yōu)的礦山開采計劃。
[0007]另一方面，本申請實施例還提供了一種礦山開采計劃制定系統(tǒng)，包括：
礦山巡檢機器人，用于獲取礦山圖像和礦山的環(huán)境數(shù)據(jù);
數(shù)據(jù)中臺，用于對礦山圖像進行預處理，提取預處理后礦山圖像的多維度特征，將多維度特征進行融合，得到融合特征，并將融合特征輸入識別模型，得到包含礦物的類型信息和品味信息的礦物識別結果;
數(shù)據(jù)后臺，用于將環(huán)境數(shù)據(jù)和礦物識別結果結合，形成礦山環(huán)境-資源分布圖譜，并將礦山環(huán)境-資源分布圖譜輸入開采模型，得到最優(yōu)的礦山開采計劃。
[0008]本申請中的一種礦山開采計劃制定方法及系統(tǒng)，具有以下優(yōu)點：
提升礦山開采效率與準確性：基于機器視覺與大模型的礦山開采計劃，通過集成高精度的攝像功能與先進的視頻處理技術，實現(xiàn)了對礦山環(huán)境的實時、高清監(jiān)控。結合多特征融合識別技術，能夠準確快速地識別礦物類型及品位，顯著提高了開采過程中的識別精度與效率。這不僅減少了人工判斷的主觀性和誤差，還加快了開采進程，為礦山企業(yè)帶來了更高的生產效率和經(jīng)濟效益。
[0009]增強礦山作業(yè)安全性：礦山巡檢機器人不僅具備移動巡檢功能，還搭載了多種環(huán)境傳感器，能夠實時監(jiān)測土壤濕度、瓦斯?jié)舛?、二氧化碳濃度等關鍵安全指標。這一功能有效預防了因環(huán)境因素導致的安全事故，如瓦斯爆炸、坍塌等，為礦山作業(yè)提供了更加安全可靠的保障。同時，通過大模型對綜合數(shù)據(jù)的分析處理，能夠提前預警潛在的安全隱患，為礦山安全管理提供了科學依據(jù)。
[0010]優(yōu)化資源配置與開采方案：大模型知識庫集成了大量的礦山環(huán)境數(shù)據(jù)與開采經(jīng)驗，通過檢索與比對，能夠為用戶提供更加科學合理的開采計劃。這一方案不僅考慮了礦物的類型與品位，還綜合考慮了環(huán)境因素、開采成本、設備性能等多個方面，實現(xiàn)了資源的優(yōu)化配置與高效利用。此外，大模型還具備自學習能力，能夠隨著開采過程的推進不斷優(yōu)化算法模型，提升開采計劃的適應性與精準度。
[0011]推動礦山行業(yè)智能化轉型：通過機器視覺、大數(shù)據(jù)處理、人工智能等先進技術的融合應用，實現(xiàn)了礦山開采全過程的智能化監(jiān)控與管理。這不僅降低了人力成本，提高了工作效率，還推動了礦山行業(yè)的技術進步與產業(yè)升級。
附圖說明
[0012]為了更清楚地說明本申請實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0013]圖1為本申請實施例提供的一種礦山開采計劃制定方法的流程圖。
具體實施方式
[0014]下面將結合本申請實施例中的附圖，對本申請實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本申請一部分實施例，而不是全部的實施例?；诒旧暾堉械膶嵤├绢I域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本申請保護的范圍。
[0015]圖1為本申請實施例提供的一種礦山開采計劃制定方法的流程圖。本申請實施例提供了一種礦山開采計劃制定方法，包括：
S100，獲取礦山圖像。
[0016]S110，獲取礦山的環(huán)境數(shù)據(jù)。
[0017]示例性地，礦山圖像和環(huán)境數(shù)據(jù)由礦山巡檢機器人獲取，礦山巡檢機器人包括移動巡檢機構、攝像頭和環(huán)境傳感器，攝像頭和環(huán)境傳感器均設置在移動巡檢機構上，攝像頭和環(huán)境傳感器分別用于獲取礦山圖像和環(huán)境數(shù)據(jù)。
[0018]具體地，礦山圖像包括礦山的可見光圖像和紅外圖像，要求攝像頭支持WDR(WideDynamic Range，寬動態(tài)范圍)技術，像素在400萬以上，且支持紅外夜視，以捕捉礦山的現(xiàn)場視頻圖像。
[0019]移動巡檢機構可以采用雙足式、四足式、輪式、履帶式或爬行式移動平臺，環(huán)境傳感器包括土壤濕度傳感器、瓦斯?jié)舛葌鞲衅骱投趸紳舛葌鞲衅?，因此環(huán)境數(shù)據(jù)包括土壤濕度、瓦斯?jié)舛群投趸紳舛葦?shù)據(jù)。
[0020]進一步地，礦山巡檢機器人接收巡檢指令，巡檢指令包含巡檢點和巡檢時間，礦山巡檢機器人按照巡檢點和巡檢時間以及已知的礦山地圖，基于SLAM(SimultaneousLocalization and Mapping，即時定位與地圖構建)技術構建局部地圖，在局部地圖中進行路徑規(guī)劃，按照規(guī)劃的路徑移動至各個巡檢點，在巡檢點上獲取礦山圖像和環(huán)境數(shù)據(jù)。
[0021]具體地，礦山地圖是基于測繪數(shù)據(jù)預先構建的包含了礦山的環(huán)境地貌數(shù)據(jù)的電子地圖，環(huán)境地貌數(shù)據(jù)包括礦山上各個位置的海拔、地形等信息，礦山巡檢機器人在礦山地圖的基礎上結合實時采集的當前位置的場景數(shù)據(jù)構建局部地圖，場景數(shù)據(jù)和環(huán)境地貌數(shù)據(jù)包含的具體數(shù)據(jù)類型相同，局部地圖是在礦山地圖中當前位置一定范圍內根據(jù)場景數(shù)據(jù)對環(huán)境地貌數(shù)據(jù)進行修正后得到的，使局部地圖能夠反映礦山的真實環(huán)境情況，進而為路徑規(guī)劃提供準確可靠的數(shù)據(jù)基礎。
[0022]進一步地，礦山巡檢機器人還包括激光雷達，激光雷達用于采集環(huán)境地貌數(shù)據(jù)，在移動過程中將環(huán)境地貌數(shù)據(jù)與礦山地圖中當前位置的場景數(shù)據(jù)進行比較，如果環(huán)境地貌數(shù)據(jù)與場景數(shù)據(jù)一致，則礦山巡檢機器人按照規(guī)劃的路徑移動，如果環(huán)境地貌數(shù)據(jù)與場景數(shù)據(jù)不一致，礦山巡檢機器人根據(jù)環(huán)境地貌數(shù)據(jù)對礦山地圖進行更新。
[0023]具體地，由于礦山地圖基于測繪數(shù)據(jù)建立，而測繪數(shù)據(jù)采集的頻率不會很高，因此存在測繪數(shù)據(jù)和一段時間后礦山的真實情況不匹配的情況，此時如果通過激光雷達采集的環(huán)境地貌數(shù)據(jù)，具體來說是三維點云數(shù)據(jù)，和礦山地圖中當前位置的場景數(shù)據(jù)不相同，說明當前位置的地理環(huán)境已經(jīng)發(fā)生了變化，此時不但會按照場景數(shù)據(jù)對環(huán)境地貌數(shù)據(jù)進行修正，以建立局部地圖，還會對礦山地圖中的相應數(shù)據(jù)進行修正更新，以使下一次使用礦山地圖時盡可能基于最新的數(shù)據(jù)，減少數(shù)據(jù)更新的次數(shù)。
[0024]進一步地，在礦山巡檢機器人開始執(zhí)行巡檢指令后，將停止正在進行的生產調度任務，如果根據(jù)環(huán)境數(shù)據(jù)確定的安全指標值低于設定的閾值，則對已經(jīng)制定的生產調度任務進行調整。
[0025]具體地，本申請針對的礦山是已經(jīng)在開采狀態(tài)下的礦山，由于礦山在開采過程中其礦物類型以及品味都會隨時發(fā)生變化，因此需要及時的更新開采計劃，以使礦場中的開采設備以及人員得到最大化和最高效的利用。在礦山巡檢機器人執(zhí)行巡檢指令之前，礦場的生產調度中心已經(jīng)基于前一次制定的開采計劃產生了詳細的生產調度任務，礦場中的設備以及人員按照該生產調度任務執(zhí)行，就可以使前一次的開采計劃得到落實。隨著時間的推移，礦山的情況，具體來說是礦物的類型以及品味都可能發(fā)生變化，為了應對這種變化，就需要再次采集礦山的相關數(shù)據(jù)并制定開采計劃。
[0026]在這種需求下，礦山巡檢機器人將定期或不定期的工作，以采集制定開采計劃需要的礦山圖像和環(huán)境數(shù)據(jù)。對于環(huán)境數(shù)據(jù)而言，其能夠反映礦山當前時刻的安全指標。數(shù)據(jù)中臺在獲取環(huán)境數(shù)據(jù)后，首先會對這些數(shù)據(jù)進行清洗，將異常數(shù)據(jù)過濾掉，然后利用SQL(Structured Query Language，結構化查詢語言)查詢相應的計算公式，利用計算公式計算當前礦山的安全指標值。如果該安全指標值大于第一閾值但是小于等于第二閾值，則產生相應的告警通知，以提醒生產調度中心調整生產調度任務，避免因安全問題造成不必要的損失。如果安全指標值小于等于第一閾值，說明礦山的安全性已經(jīng)過低，將會提醒生產調度中心停止執(zhí)行生產調度任務，在安全問題被解決后再執(zhí)行生產調度任務。
[0027]對于告警通知，本申請實施例還基于LangChain框架預先在大模型知識庫中上傳了各種異常情況以及相應的處理方案，LLM(Large Language Model，大語言模型)在大模型知識庫中檢索與告警通知最匹配的處理方案，最后將檢索到的處理方案反饋給生產調度中心的工作人員，使工作人員指導處置人員快速準確的解決安全問題，以便生產調度任務能夠繼續(xù)執(zhí)行。
[0028]在本申請的實施例中，礦山巡檢機器人在采集得到礦山圖像和環(huán)境數(shù)據(jù)后，將通過無線傳輸技術，例如5G、Wi-Fi 6等，傳輸至數(shù)據(jù)中臺，數(shù)據(jù)中臺對這些數(shù)據(jù)進行處理后再傳輸至數(shù)據(jù)后臺，最后由數(shù)據(jù)后臺做出決策。數(shù)據(jù)中臺和數(shù)據(jù)后臺均可以運行在云服務器上。
[0029]進一步地，礦山巡檢機器人在開機后，將首先進行各模塊的自檢，包括對攝像頭、移動巡檢機構、環(huán)境傳感器和數(shù)據(jù)傳輸模塊的自檢，確保所有部件工作正常。在數(shù)據(jù)傳輸校驗中，通過物聯(lián)邊緣層檢測信號穩(wěn)定性，再由數(shù)據(jù)中臺通過圖像識別算法、高頻數(shù)據(jù)檢測、異常數(shù)據(jù)分析步驟，確認數(shù)據(jù)的正確性。一切準備就緒后，機器人開始執(zhí)行巡檢指令。
[0030]S120，對礦山圖像進行預處理，提取預處理后礦山圖像的多維度特征，將多維度特征進行融合，得到融合特征。
[0031]示例性地，對礦山圖像進行的預處理包括去噪、顏色校正和色彩增強，多維度特征包括顏色特征、紋理特征和形狀特征。
[0032]具體地，可以采用中值濾波、高斯濾波等圖像去噪技術去除礦山圖像中的噪聲，保持礦山圖像的真實顏色。以高斯濾波為例，高斯濾波按照下式進行：
[0033]式中，f(x)為高斯濾波后的結果，為標準差，e為自然常數(shù)，x為輸入值，即礦山圖像中一個像素的像素值，為均值，通常取0。
[0034]在利用高斯濾波前，需要首先構建一個離散化的高斯核，高斯核也稱為高斯濾波器，這個高斯核將用于礦山圖像的卷積操作，以達到去噪的效果。
[0035]創(chuàng)建一個n×n大小的高斯核，其中n是奇數(shù)，例如3、5、7等，以確保有一個中心點。高斯核的每個元素都是根據(jù)高斯函數(shù)計算得出的，這里使用二維高斯函數(shù)來計算每個元素的值：
[0036]式中，G(x,y)為相對于中心點的位置坐標為(x,y)的元素的值，范圍從-(n-1)/2到(n-1)/2。
[0037]為了確保卷積后的圖像亮度保持不變，需要對高斯核進行歸一化處理。歸一化就是將所有高斯核的元素值相加，然后除以這個總和，使得所有元素之和等于1。這可以通過下面的公式實現(xiàn)：
[0038]式中，G(i,j)為相對于中心點的位置坐標為(i,j)的元素的值。一旦有了歸一化的高斯核，就可以對礦山圖像進行卷積操作。對于礦山圖像中的每個像素，都使用歸一化的高斯核與其周圍的像素進行卷積操作。卷積過程如下：
(1)、將歸一化的高斯核覆蓋在礦山圖像的每個像素上。
[0039](2)、對于覆蓋區(qū)域內的每個像素，將其值與對應高斯核中的值相乘。
[0040](3)、將所有乘積相加，得到的結果替代原圖像中中心像素的值。
[0041](4)、重復上述步驟，直到所有像素都被處理完畢。
[0042]由于光線、攝像頭設置等因素可能導致顏色失真，需要進行顏色校正，以確保顏色的一致性和準確性。在顏色校正時，將RGB(Red Green Blue，紅綠藍)色彩空間轉換為HSV(Hue, Saturation, Value，色相、飽和度、色明度)色彩空間，可以在HSV空間中調整色相和飽和度。
[0043]因為礦山環(huán)境，特別是井下環(huán)境，存在昏暗多塵的情況，因此還需要對礦山圖像的色彩進行增強。通過直方圖均衡化、對比度拉伸等技術增強圖像的色彩對比度，使得礦物的不同部分更容易區(qū)分。
[0044]比如對比度拉伸，通過對礦山圖像的灰度級進行重新映射，來擴展礦山圖像的動態(tài)范圍，從而改善圖像的視覺效果。對比度拉伸特別適用于灰度級集中在較窄范圍內的圖像，通過拉伸這些灰度級，可以使礦山圖像中的特征更加突出。本申請采用線性對比度拉伸，可以選擇圖像中最暗和最亮的像素值作為映射的起點和終點，然后將這兩點之間的所有像素值按照一定的比例映射到0到255之間(對于8位灰度圖像)。具體公式如下：
[0045]式中，g(x,y)為經(jīng)過對比度拉伸后的像素值，L=256，A為礦山圖像的最小灰度值，B為最大灰度值，f(x,y)為礦山圖像中位置(x,y)的像素值，為向下取整。
[0046]在將RGB色彩空間轉換為HSV色彩空間后，就可以提取礦山圖像包含色相、飽和度和色明度數(shù)值在內的顏色特征了。對于紋理特征，可以使用灰度共生矩陣(GLCM，Gray-level Co-occurrence Matrix)、局部二值模式(LBP，Local Binary Patterns)等方法進行提取。對于形狀特征，可以分析礦山圖像中礦物的形狀、大小、邊緣等幾何特征，以作為顏色特征和紋理特征的補充。
[0047]S130，將融合特征輸入識別模型，得到包含礦物的類型信息和品味信息的礦物識別結果。
[0048]示例性地，識別模型利用大模型知識庫中的數(shù)據(jù)訓練得到。大模型知識庫中的數(shù)據(jù)包括識別樣本集，這些識別樣本集是專家對礦山巡檢機器人采集的礦山圖像進行手動標注后得到，標注過程中專家根據(jù)礦山圖像中礦物的顏色、紋理和形狀等特征憑借經(jīng)驗確定礦物的類型和品味。在得到識別樣本集后，將利用其中的一部分樣本對識別模型進行訓練，該識別模型具體可以采用卷積神經(jīng)網(wǎng)絡等常用的模型，訓練完成后采用識別樣本集中的另一部分樣本進行測試和驗證。
[0049]具體地，礦物的類型信息是指礦物屬于哪種礦物類型，包括：硅酸鹽礦物、氧化物礦物、硫化物礦物、鹵化物礦物、碳酸鹽礦物、磷酸鹽礦物、硫酸鹽礦物等。
[0050]礦物的品味信息是指礦物中有用組分(譬如礦物中的金屬元素或有用氧化物)的含量，一般以有用組分的質量百分比來表示。
[0051]進一步地，由于識別模型對輸入數(shù)據(jù)的格式有一定要求，因此需要確保輸入的融合特征符合識別模型的格式要求。而且，如果在訓練過程中對從識別樣本集中的礦山圖像提取的融合特征進行了標準化或歸一化處理，那么在實際使用中，從待識別的礦山圖像中提取的融合特征也需要進行標準化或歸一化處理，以保持數(shù)據(jù)的一致性。
[0052]S140，將環(huán)境數(shù)據(jù)和礦物識別結果結合，形成礦山環(huán)境-資源分布圖譜。
[0053]示例性地，礦山環(huán)境-資源分布圖譜可以展示在礦山地圖上，對每個巡檢點識別得到的礦物識別結果都將在礦山地圖的對應位置展示，同時也會在該位置展示相應的環(huán)境數(shù)據(jù)。
[0054]S150，將礦山環(huán)境-資源分布圖譜輸入開采模型，得到最優(yōu)的礦山開采計劃。
[0055]示例性地，開采模型也利用大模型知識庫中的數(shù)據(jù)訓練得到。大模型知識庫中也包含開采樣本集，開采樣本集包含了多種不同礦物識別結果和環(huán)境數(shù)據(jù)，專家針對每種礦物識別結果和環(huán)境數(shù)據(jù)制定了相應的開采計劃，包括：開采區(qū)域、開采深度、開采方式、開采順序，以及對應的設備與人員配置等。這些開采計劃將作為礦物識別結果和環(huán)境數(shù)據(jù)的標簽。將礦物識別結果和環(huán)境數(shù)據(jù)輸入開采模型后以相應的標簽為目標對開采模型進行訓練，以使開采模型學習礦物識別結果和環(huán)境數(shù)據(jù)與開采計劃之間的關系。訓練完成后經(jīng)過測試和驗證就可以應用于實際決策了。
[0056]將礦山環(huán)境-資源分布圖譜中各個巡檢點的礦物識別結果和環(huán)境數(shù)據(jù)依次輸入開采模型，將得到每個巡檢點的開采計劃，將所有巡檢點的開采計劃整合在一起就可以得到礦山開采計劃。
[0057]本申請實施例還提供了一種礦山開采計劃制定系統(tǒng)，包括：
礦山巡檢機器人，用于獲取礦山圖像和礦山的環(huán)境數(shù)據(jù);
數(shù)據(jù)中臺，用于對礦山圖像進行預處理，提取預處理后礦山圖像的多維度特征，將多維度特征進行融合，得到融合特征，并將融合特征輸入識別模型，得到包含礦物的類型信息和品味信息的礦物識別結果;
數(shù)據(jù)后臺，用于將環(huán)境數(shù)據(jù)和礦物識別結果結合，形成礦山環(huán)境-資源分布圖譜，并將礦山環(huán)境-資源分布圖譜輸入開采模型，得到最優(yōu)的礦山開采計劃。
[0058]盡管已描述了本申請的優(yōu)選實施例，但本領域內的技術人員一旦得知了基本創(chuàng)造性概念，則可對這些實施例做出另外的變更和修改。所以，所附權利要求意欲解釋為包括優(yōu)選實施例以及落入本申請范圍的所有變更和修改。
[0059]顯然，本領域的技術人員可以對本申請進行各種改動和變型而不脫離本申請的精神和范圍。這樣，倘若本申請的這些修改和變型屬于本申請權利要求及其等同技術的范圍之內，則本申請也意圖包含這些改動和變型在內。
說明書附圖(1)
聲明：
“礦山開采計劃制定方法及系統(tǒng)” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究，如用于商業(yè)用途，請聯(lián)系該技術所有人。
我是此專利(論文)的發(fā)明人(作者)
162
編輯：中冶有色技術網(wǎng)
來源：四川開物信息技術有限公司
分享 0
舉報 0
收藏 0
反對 0
點贊 0
2025年03月21日 ~ 23日 
