تعیین توزیع دانه بندی قطعات سنگ خرد شده ناشی از انفجار با استفاده از بازشناسی الگوی تصاویر

توزیع ابعادی توده سنگ خرد شده، از مهم‏ترین پارامترها در انفجار معادن روباز است که می‌تواند بر بازدهی عملیات استخراج و فرآوری تاثیر گذار باشد. به‌منظور ارزیابی نتایج حاصل از انفجار، روش پردازش تصویری دیجیتال یک روش غیر مستقیم سریع و قابل اعتماد است. در این تحقیق بر پایه روش‌های استخراج ویژگی‌های دیداری و استفاده از شبکه های عصبی، الگوریتمی جهت تعیین توزیع دانه بندی توده سنگ خرد شده ناشی از انفجار ارائه شده است. تعداد 26 تصویر آزمایشی توده سنگ خرد شده، برای تعیین توزیع اندازه استفاده شده و نتایج حاصله با نتایج روش لبه‌یابی دستی و خودکار قطعات سنگ در نرم افزار split desktop  مقایسه شد. نتایج به‌دست آمده یک بهبود کلی را در ارزیابی توزیع اندازه قطعات سنگ نشان داد. کاهش خطای 67%، 57% و 28% به‌ترتیب با استفاده از روش‌های فوریه، فیلترهای گابور و موجک حاصل شد. همچنین در ارزیابی اندازه‌های 10f تا 50f، روش‌های فوریه، گابور و موجک به‌ترتیب بهبود 52%، 40% و 21% را نشان داد.

Determine the size distribution of fragmented rock particles by blasting using images pattern recognition

Muckpile size distribution is one of the most important parameters in open pit blasting that can affect mining and mineral processing efficiency. For evaluating fragmentation by blasting, digital image analysis is a fast and reliable indirect technique. In this study, based on neural network and visual feature extractions, an algorithm was developed to determine muckpiles size distribution using digital images.26 test images of fragmented rockwere used to determine size distribution and the results were compared with the results of automatic and manual aged detection of SplitDesktop software.The results showeda general improvement in evaluating rockparticles size distribution. We obtained an improvement of 67%, 57% and 28%, respectively using Fourier transform, Gabor and wavelet methods. Fourier transform, Gabor and wavelet methods showed also an improvement of 52%, 40% and 21 %, respectively in evaluating of F10 to F50.