Анализ дробимости горной породы в 3D с использованием LiDAR на основе сегментации облаков точек глубоким обучением и синтетических данных

Точное онлайн-измерение распределения размера частиц имеет решающее значение в горной добыче, тоннелестроении и обогащении полезных ископаемых для обеспечения интеллектуального управления процессом и оптимизации, что в конечном счете повышает эффективность и производительность. Существующий метод анализа дробимости пород опирается на 2D-анализ изображений, который сильно зависит от оптимальных условий освещения, что ограничивает его применимость и надежность в сложных световых условиях, часто встречающихся в горной отрасли. В этом исследовании отходят от распространённых 2D-подходов и фотограмметрии в анализе дробимости пород и предлагают новый подход, использующий данные лазерного сканера для сегментации облаков точек, что представляет собой перспективное решение для преодоления ограничений методов анализа изображений. Используя данные лазерного сканирования, разработана устойчивая методика анализа дробимости пород, адаптированная к специфическим проблемам, связанным с условиями освещения. Чтобы избежать трудоёмкого сбора и разметки наборов данных облаков точек, работа вводит инновационный подход с использованием синтетических размеченных наборов данных отсканированных куч породы. Разработана платформа для автоматического создания и сканирования размеченных облаков точек куч породы, что облегчает применение переноса обучения. На синтетическом 3D-наборе данных был обучен модель глубокого обучения для точной сегментации отдельных камней в трёхмерных координатах, обеспечивая точное представление объектов породы в 3D. Точность разработанной предиктивной модели была проверена и валидирована на экспериментальных данных лазерного сканирования трёх различных куч породы. Предлагаемый метод опирается на координатные данные вместо RGB-информации, что делает его особенно применимым в сложных условиях, таких как подземные работы, ночные смены или ситуации, когда поддержание оптимальных условий освещения затруднено или дорого. Полученные результаты представляют существенный шаг вперёд в анализе дробимости пород и открывают возможности для улучшения практик в различных горных условиях. Ключевые результаты: разработан подход глубокого обучения для 3D-анализа дробимости пород на основе LiDAR-облаков точек; спроектирована регулируемая платформа для генерации размеченных синтетических наборов данных облаков точек; предложена модель, подходящая для условий с субоптимальным освещением, таких как подземные работы и ночные смены; подтверждена точность модели на экспериментальных данных 3D-сканера для распределения по размерам; исследованы плотность облака точек и пороговые размеры камней для устойчивой 3D-сегментации.