买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中铁十九局集团矿业投资有限公司申请的专利一种矿山智能爆破管理系统及方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118886745B 。

龙图腾网通过国家知识产权局官网在2025-09-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410925707.7，技术领域涉及：G06Q10/0637；该发明授权一种矿山智能爆破管理系统及方法是由高久庆;张德峰;赵鑫设计研发完成，并于2024-07-11向国家知识产权局提交的专利申请。

本一种矿山智能爆破管理系统及方法在说明书摘要公布了：本发明提供一种矿山智能爆破管理系统及方法，系统包括：数据采集模块，用于采集并预处理矿山岩体数据以及爆破数据，建立爆破数据库；三维模型构建模块，用于基于矿山岩体数据，构建爆破区数字化三维岩体模型；智能决策模块，用于基于爆破区数字化三维岩体模型以及采集的整个爆破流程的爆破数据，建立经济数学模型，对矿山爆破进行智能决策，获得决策结果；爆破效果评价模块，用于基于决策结果进行爆破，并对爆破效果进行评价，完成对矿山智能爆破的管理。通过对矿山爆破的智能管理，优化爆破决策，降低爆破成本。

本发明授权一种矿山智能爆破管理系统及方法在权利要求书中公布了：1.一种矿山智能爆破管理系统，其特征在于，包括：数据采集模块、三维模型构建模块、智能决策模块以及爆破效果评价模块； 所述数据采集模块，用于采集并预处理矿山岩体数据以及爆破数据，建立爆破数据库； 所述三维模型构建模块，用于基于所述矿山岩体数据，构建爆破区数字化三维岩体模型； 所述智能决策模块，用于基于所述爆破区数字化三维岩体模型以及采集的整个爆破流程的所述爆破数据，建立经济数学模型，对矿山爆破进行智能决策，获得决策结果； 所述爆破效果评价模块，用于基于所述决策结果进行爆破，并对爆破效果进行评价，完成对矿山智能爆破的管理； 所述矿山岩体数据包括矿山地质参数、岩体特性、岩体分布情况以及矿山图像数据；其中，所述矿山图像数据采用倾斜摄影获得； 所述爆破数据包括钻、爆、装、运、破以及磨流程的数据； 所述数据采集模块还采集其他相关数据；所述其他相关数据包括矿山爆破区的气候条件、人员数据以及各种设备数据； 所述数据采集模块包括数据采集单元、数据预处理单元以及数据库构建单元； 所述数据采集单元，用于采集所述岩体数据、所述爆破数据以及所述其他相关数据； 所述数据预处理单元，用于对采集的所有数据进行清洗以及缺值填充，获得预处理后的数据； 所述数据库构建单元，用于对预处理后的数据进行对应存储； 所述三维模型构建模块包括图像数据修正单元、三角匹配单元、初始模型构建单元、映射单元以及最终模型构建单元； 所述图像数据修正单元，用于建立所述矿山图像数据的坐标矩阵，基于所述坐标矩阵获取所述矿山图像数据中的畸变数据，并对所述畸变数据进行修正，获得修正后的所述矿山图像数据；建立矿山图像数据的坐标矩阵的过程包括： 确立图像数据的像素坐标系u,v，像素坐标系u-v的原点为Oo，横坐标u和纵坐标V分别是图像所在的行和列，在视觉处理库OpenCV中，u对应x，v对应y； O1在u-v坐标系下的坐标，假设dx和dy分别表示每个像素在横轴x和纵轴y的物理尺寸，单位为毫米像素，O1在图像坐标系x,y和在像素坐标系u,v的坐标的关系是： 假设物理坐标系中的单位为毫米，那么dx的单位为毫米像素，dx和dy表示采集图像的装置里感光芯片上像素的实际大小，是连接像素坐标系和真实尺寸坐标系的；u0，v0表示的是图像的中心像素坐标和图像圆点像素坐标之间相差的横向和纵向像素数；得出这个公式后运用线性代数的知识把矿山图像数据的坐标方程用矩阵形式表示： 所述三角匹配单元，用于基于修正后的所述矿山图像数据进行空中三角测量连接点匹配，获得所述矿山图像数据的方位元素； 所述初始模型构建单元，用于基于所述方位元素，构建初始三维实景模型； 所述映射单元，用于基于所述矿山岩体数据对所述初始三维实景模型进行数据映射；并基于所述矿山图像数据建立矿山三维坐标以及二维纹理坐标，进行纹理映射，获得三维实景模型； 所述最终模型构建单元，用于基于双线性插值法，对所述三维实景模型的未知点进行插值，获得爆破区数字化三维岩体模型； 所述智能决策模块包括成本计算单元、数学模型构建单元以及决策单元； 成本计算单元，用于基于所述爆破数据，计算采矿成本；其中，所述采矿成本包括钻孔成本、爆破成本、铲装成本、运输成本、破碎成本以及磨矿成本； 数学模型构建单元，用于基于熵权法，计算所述采矿成本中各个成本的权重，并利用线性回归方程，构建所述经济数学模型； 决策单元，用于基于所述经济数学模型，获得矿山爆破的综合资金成本；基于所述综合资金成本，进行考虑成本的爆破智能决策，获得所述决策结果； 所述爆破效果评价模块包括特征提取单元、效果评价单元以及决策优化单元； 所述特征提取单元，用于基于图像特征对爆破后两个钻孔之间的岩体碎块进行特征提取，获得爆破块度分布特征，并基于所述爆破块度分布特征，计算单孔爆破范围；采集爆破后岩体块度的图像，并进行灰度化以及去噪处理，计算图像色彩变化梯度，颜色梯度变化较大处为煤岩块体的分界面，运用分界面将不同块体进行分割；对分割后的图像进行二值化，获得像素最佳阈值；基于像素最佳阈值对岩块进行识别，获得图像连通区域，连通区域即为一个岩块，对连通区域参数进行统计，面积、中心坐标、偏心率、似圆度、直径，获得岩块尺寸x； 利用分形理论对岩块进行块度分布特征分析，分形维数D与碎块的线性特征尺寸x和大于该尺寸的碎块个数Nx的关系为正比： Nx∝x-D； 对上述关系式进行微分并结合粒度分布函数，获得尺寸小于x的岩块体积占总体积的比率； 基于尺寸小于x的岩块体积占总体积的比率，获得爆破岩体块度分布的分形模型； 对分形模型取自然对数，计算出岩体碎块的分形维数，进而获得爆破岩体块度分布特征； 所述效果评价单元，用于基于所述爆破块度分布特征以及所述单孔爆破范围进行爆破效果评价； 所述决策优化单元，用于基于所述爆破效果评价结果，采用神经网络优化智能决策，并基于优化后的智能决策进行爆破效果预测； 所述决策优化单元包括优化权重获取子单元、适应度计算子单元、寻优子单元以及决策优化子单元； 所述优化权重获取子单元，用于利用SGD优化器，优化深度神经网络的损失函数，并获得SGD优化权重； 所述适应度计算子单元，用于基于所述SGD优化权重以及深度神经网络进化的编码方法获得个体适应度值；其中，每个个体代表更新网络权重；所述个体适应度值为矿山爆破的综合资金成本； 所述寻优子单元，用于利用SGD优化器，优化所述个体适应度值，获得最佳个体； 所述决策优化子单元，用于基于所述最佳个体，获得最终优化的网络权重编码，完成对智能决策的优化。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中铁十九局集团矿业投资有限公司，其通讯地址为：100161 北京市丰台区风荷曲苑2号楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。