Using Artificial Intelligence in Mining Excavators: Automating Routine Operational Decisions
Notice bibliographique
Résumé
Worldwide mining operations, which account for nearly 11% of global power consumption, are 28% less productive today than a decade ago. Meanwhile, mobile equipment was present in nearly 40% of mining fatalities and more than 30% of injuries in 2017. Building intelligence into existing mining excavators improves the safety, productivity, and energy efficiency of mining. This can provide perception, monitoring, and control capabilities that produce accurate, actionable data for mines. The intelligent excavator has an in-cab monitor that provides real-time status updates and guidance to operators as well as a remote monitoring portal. Multiple sensors, including a rugged camera that overlooks the excavator bucket, high-resolution surveillance cameras, radar, arm geometry, hydraulic pressure monitoring, and electric motor power measurement, sensors are integrated. Additionally, a set of human labeled video frames is used as training inputs to train an artificial neural network (NN) to perform multiple object localization via an optimization process, which (combined with other sensory data) is used to monitor the wear and breakage of sacrificial ground engaging tools (GETs), detect foreign objects, analyze the size distribution of the material inside the bucket, measure the bucket payload, and augment the operator's skill and experience. This information is vital to mining operations aiming to optimize dig, load, and dump cycles for energy consumption, downtime, and operator efficiency. Aside from improving operational efficiency, intelligent excavator solutions enable us to develop highly perceptive shovels with decision-making modules that pave the way for fully autonomous excavator operation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».