Por favor, use este identificador para citar o enlazar este ítem:
http://www.monografias.ufop.br/handle/35400000/5133
Título : | Automatização de análise granulométrica por UAV. |
Autor : | Souza, Ruan Fernandes de |
metadata.dc.contributor.advisor: | Arroyo Ortiz, Carlos Enrique Ribeiro, Augusto Ferraz |
metadata.dc.contributor.referee: | Ribeiro, Augusto Ferraz Arroyo Ortiz, Carlos Enrique Huayhua, Jhors Enrique Casimiro |
Palabras clave : | Fragmentação UAV - unmanned aerial vehicle) Otimização Desmonte de rocha |
Fecha de publicación : | 2023 |
Citación : | SOUZA, Ruan Fernandes de. Automatização de análise granulométrica por UAV. 2023. 63 f. Monografia (Graduação em Engenharia de Minas) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2023. |
Resumen : | Na mineração é essencial para o processamento e planejamento da produção mineral, conhecer de forma rápida e precisa sobre a fragmentação proveniente do desmonte de rocha por explosivos. Neste trabalho, é mostrado método de utilização por máquina que caracteriza a pilha desmontada diretamente de imagens por UAV. Em contraste com as abordagens mais avançadas, que requerem uma interação pesada dos utilizadores, conhecimentos especializados e cuidadosos, esse método funciona de forma totalmente automática. Calcula-se cada fragmento individual na pilha desmontada em múltiplas escalas para gerar uma segmentação globalmente consistente. Além disso, registramos imagens do mundo real para gerar o nosso próprio conjunto de dados para a formação da rede. O método se mostra muito promissor em termos quantitativos e resultados qualitativos em todas as nossas experiências. Ademais, os resultados indicam claramente que o nosso método se generaliza a dados nunca vistos, pois introduz o uso de fotografia aérea gerada por drone para recolher e analisar a fragmentação, tanto para áreas de minério de ferro quanto para agregados, a fim de apoiar o contínuo processo de melhoria. O estudo foi capaz de demonstrar um ganho real de tempo e aumento da segurança do processo, executado de forma prática em uma mina de minério de ferro. Em conjunto com o software de análise de fotos, o resultado fornece as minerações um método rápido, preciso e dinâmico de aferição de desempenhos e otimização do processo de redução de tamanho de acordo com as especificações. |
metadata.dc.description.abstracten: | In mining it is essential for the processing and planning of mineral production to know quickly and accurately about the fragmentation coming from the rock dismantling by explosives. In this paper, a machine-use method is shown that characterizes the dismantled pile directly from UAV imagery. In contrast to more advanced approaches, which require heavy user interaction, specialized and careful knowledge, this method works fully automatically. We calculate each individual fragment in the disassembled stack at multiple scales to generate a globally consistent segmentation. In addition, we record real-world images to generate our own dataset for network formation. The method shows great promise in terms of quantitative and qualitative results in all our experiments. Furthermore, the results clearly indicate that our method generalizes to unseen data as it introduces the use of drone-generated aerial photography to collect and analyze fragmentation for both iron ore and aggregate areas to support the continuous improvement process. The study was able to demonstrate a real time gain and increased process safety, executed in a practical way in an iron ore mine. In conjunction with photo analysis software, the result provides mines and aggregates with a fast, accurate and cost-effective method of benchmarking and optimizing the size reduction process to specification. |
URI : | http://www.monografias.ufop.br/handle/35400000/5133 |
Aparece en las colecciones: | Engenharia de Minas |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
MONOGRAFIA_AutomatizaçãoAnálisesGranulométrica.pdf | 1,52 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons