基于YOLOv8与双目视觉的爆破块度识别方法

摘要

为解决矿山爆破块度识别效率低下、精度不足以及复杂环境干扰等难题，提出了一种基于双目视觉的爆破块度识别新方法。通过构建YOLOv8实例分割模型，精准提取复杂光照条件下的爆后矿岩轮廓。结合双目测量技术，基于三维坐标转换与视差计算原理，获取碎石的最大尺寸。搭建了室内实验平台，验证了块度识别方法在不同参数下的碎石识别与尺寸计算精度。最后，提出了露天矿爆破块度智能化识别技术架构，开发了块度自动识别与分析系统。室内模拟测试结果表明：较低的拍摄高度有助于提高模型的识别精度，碎石间接触虽对个别目标识别造成影响，但整体精度未显著下降，所有碎石的识别准确率均在85%以上。动态环境下的识别精度略有下降，但80%的碎石尺寸计算准确率仍保持在90%以上，整体误差仍控制在可接受范围内，满足爆破碎石实时监测及后续分析需求。该方法已成功应用于纳米比亚湖山矿，并结合射频识别(RFID)技术获取物料来源信息，实现爆区碎石块度分布(FSD)的动态监测、精确分析与全面评估，为露天台阶爆破效果评价提供了先进的技术手段。

关键词

双目视觉 / 智能识别系统 / RFID / 爆破块度