3D rock fragmentation analysis using lidar, based on point cloud deep learning segmentation and synthetic data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Accurate online measurement of particle size distribution is crucial in mining, tunnelling , and mineral processing industries to enable intelligent process control and optimization, ultimately enhancing efficiency and productivity. The current method for rock fragmentation relies on 2D image analysis, which is highly dependent on optimal lighting conditions, limiting its applicability and robustness in the challenging lighting environments commonly found in mining. This study diverges from the prevalent 2D image and photogrammetry approaches in rock fragmentation analysis, and pioneers a novel approach by harnessing laser scanner data for point cloud segmentation, offering a promising solution to overcome the limitations of image analysis techniques. By leveraging laser scanner data, a robust framework for rock fragmentation analysis is developed that is tailored to the specific challenges related to lighting situations. To avoid the laborious task of collecting and labelling point cloud datasets, this research introduces an innovative approach of using synthetic labeled datasets of scanned rockpiles. A platform is developed to automatically create and scan labeled point clouds of rock piles, facilitating the utilization of transfer learning . The synthetic 3D dataset was used to train a deep learning model for precise segmentation of rock instances in three-dimensional coordinates, providing an accurate representation of the rock object in 3D. The accuracy of the developed predictive model was tested and validated on experimental laser scanning data of three different rock piles. The proposed method depends on coordinate data instead of RGB information, rendering it particularly applicable in challenging conditions such as underground mining, night shifts, or situations where maintaining optimal lighting conditions is difficult or costly. The findings present a significant leap forward in rock fragmentation analysis, opening avenues for enhanced practices in diverse mining environments.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle