© unsplash/@7ndy

© unsplash/@7ndy
Home › 
Use Cases › 
Quantifizierung des Produktionsvolumens durch die Volumenanalyse von Lagerhalden

Quantifizierung des Produktionsvolumens durch die Volumenanalyse von Lagerhalden

Use Case
Bergbau

Hintergrund

Das Produktionsvolumen von Bergbautätigkeiten muss regelmäßig quantifiziert werden, um finanzielle und logistische Planungen vornehmen sowie behördliche Vorgaben erfüllen zu können, beispielsweise für die Berechnung des Produktionsindex. Dabei ist es unerlässlich auf schnelle und validierte Schätzungen zugreifen zu können.

Im Bergbau werden geförderte Mineralien und Erze in großen Halden gesammelt und gelagert. Die automatische Berechnung des Volumens solcher Lagerhalden kann dabei eine effiziente Methode zur schnellen und verlässlichen Quantifizierung des Produktionsvolumens sein.

Herausforderungen

Die Berechnung des Volumens von Lagerhalden kann durch einen Machine Learning (ML) Modell automatisiert werden, das Bild- und Radardaten von der Halde analysiert und ein 3D-Modell erstellt, mit dem das Volumen berechnet werden kann.

Die größte Herausforderung dabei ist, eine Datenquelle zu finden, die hoch aufgelöste Bild- und Radardaten in kurzen Zeitintervallen liefert, um möglichst genaue Berechnungen in regelmäßigen und stetigen Zeitabständen zu erhalten. Dafür können entweder photogammetrische Drohendaten oder hochauflösende Satellitendaten verwendet werden. Open Source Satellitendaten, wie die aus den Sentinel-Missionen der ESA, eignen sich allerdings aufgrund der oben genannten Anforderungen weniger für die Volumenanalyse von Lagerhalden.

Lösungsansatz

Die automatische Analyse von Bild- und Radardaten kann durch moderne ML und Computer Vision (CV) Algorithmen, wie z.B. Convolutional Neural Networks (CNN), erreicht werden. Diese sind in der Lage durch das Trainieren mit einem ausreichend großen gelabelten Datensatz, Objekte in Bildern zu detektieren und klassifizieren.

Dadurch können in den Bild- und Radardaten Abgrenzungen, Bodenniveau, Höhenprofile und weitere geometrische Eigenschaften der Lagerhalden bestimmt und ein digitales Höhenmodell erstellt werden. Die Volumenberechnung erfolgt dann mit gängigen geometrischen Methoden, wie z.B. das Querschnittsverfahren oder durch die Methode via Prismen zwischen zwei Oberflächen.

KI-News jedes Quartal

Erhalten Sie Nachrichten über Machine Learning und Neuigkeiten rund um dida.

Erfolgreich angemeldet.

Gültige Email-Adresse benötigt.

Email-Adresse bereits registriert.

Etwas ist schiefgelaufen. Bitte versuchen Sie es nochmal.

Mit dem Klick auf "Anmelden" erklären Sie sich mit unserer Datenschutzerklärung einverstanden.

dida Logo