[发明专利]一种矿山井下溜井自适应放矿系统

权利要求书

1.一种矿山井下溜井自适应放矿系统，其特征在于，所述系统包括检测系统、控制系统、牵引矿车的电机车和振动放矿机，其中：

所述检测系统包括检测摄像头和集成化微型主机，所述检测摄像头不间断采集轨道上矿车的视频图像，并将采集到的视频图像传输给所述集成化微型主机；

所述集成化微型主机通过运行目标检测程序对传输来的视频图像进行分析，得到所述矿车的装载状态，并将所述矿车的装载状态通过通信模块传输给所述控制系统；

所述控制系统包括总控主机、安装在电机车上的PLC控制器、安装在振动放矿机上的控制器、通信模块，其中：

所述总控主机分别与电机车PLC控制器、振动放矿机上的控制器连接，在接收到所述检测系统传输来的所述矿车的装载状态后，根据所述矿车的装载状态输出相应的设备运行控制信号，并将所述控制信号利用通信模块下发给电机车PLC控制器和振动放矿机上的控制器；

当所述矿车为空载时，所述电机车PLC控制器接收到所述控制信号后，控制电机车的启停，牵引所述矿车停在所述振动放矿机放矿口的下方；所述振动放矿机上的控制器接收到所述控制信号后，控制所述振动放矿机放矿口挡板的开启，向放矿口下方停放的矿车进行自动放矿；

当所述矿车达到预设的矿车满载量时，所述振动放矿机上的控制器控制所述振动放矿机放矿口的挡板关闭，所述电机车PLC控制器控制电机车开启，牵引所述矿车继续前进。

2.根据权利要求1所述矿山井下溜井自适应放矿系统，其特征在于，所述矿车的装载状态包括满载和空载；

所述集成化微型主机运行的目标检测程序是基于深度学习卷积神经网络的目标检测算法，所述深度学习卷积神经网络是一类用python编写的、用于对实际目标进行检测和提取特征分类的深度学习算法，具体采用单阶段算法对采集到的视频图像进行切割处理，逐帧进行图像卷积提取目标特征。

3.根据权利要求1所述矿山井下溜井自适应放矿系统，其特征在于，判断所述矿车是否达到预设的矿车满载量的过程具体为：

在所述矿车的内壁对矿石高度进行线性划分，利用目标检测程序判断矿石的装载量超过设定高度时，认为所述矿车达到了预设的矿车满载量。

4.根据权利要求3所述矿山井下溜井自适应放矿系统，其特征在于，

在所述矿车的车斗平面上安装水平检测摄像头，通过该水平检测摄像头对车斗的上平面进行检测，当有装载的矿石超过最大平面高度时，则认为产生溢矿现象，此时也判断所述矿车达到了预设的矿车满载量。

5.根据权利要求3所述矿山井下溜井自适应放矿系统，其特征在于，

对从所述振动放矿机放矿口放出的大块矿石进行统计，并设置进入矿车内的大块矿石顺序，从而实现对判断矿石装载量过程的优化。

6.根据权利要求1所述矿山井下溜井自适应放矿系统，其特征在于，

所采用的通信模块包括：与电机车连接的无线通信设备，以及与振动放矿机连接的有线通信设备。

7.根据权利要求1所述矿山井下溜井自适应放矿系统，其特征在于，所述检测系统、控制系统和通信模块能集成设置于一个检测控制箱中。