现代矿业2023，Vol.39Issue(6) ：70-72.DOI:10.3969/j.issn.1674-6082.2023.06.018

基于AI识别的尾矿库干滩监测方法

Dry Beach Monitoring Method of Tailings Pond Based on AI Recognition

李连通 沈楼燕 谢文龙 张超 罗嗣海
现代矿业2023，Vol.39Issue(6) ：70-72.DOI:10.3969/j.issn.1674-6082.2023.06.018
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于AI识别的尾矿库干滩监测方法

Dry Beach Monitoring Method of Tailings Pond Based on AI Recognition

李连通 1沈楼燕 1谢文龙 1张超 2罗嗣海3
扫码查看

作者信息

  • 1. 中国瑞林工程技术股份有限公司
  • 2. 中国科学院武汉岩土力学研究所
  • 3. 南昌航空大学
  • 折叠

摘要

干滩长度是反映尾矿坝安全稳定性的一个重要参数,但目前的尾矿库安全检测项目存在干滩水面距离计算不准确、操作困难的问题.提出一种AI识别的监测方法,基于干滩图像的采集、AI方法识别干滩边沿和水面区域,从而测算出干滩距离.该方法部署简单,成本较低,且不依赖于人工,监测精度有保障.

关键词

尾矿库/干滩长度/AI识别

Key words

tailings pond/length of dry beach/AI identification

引用本文复制引用

基金项目

国家自然科学基金(5001234004)

出版年

2023
现代矿业
中钢集团马鞍山矿山研究院有限公司

现代矿业

影响因子：0.33
ISSN：1674-6082
参考文献量9
段落导航相关论文