Бидний тухай
Багш ажилтан
Эрдэнэтийн овоо ордын ил уурхай нь гүнзгийрэхийн хирээр чулуулгийн физик механик шинж чанар, усжилт зэрэг нь өөрчлөгдөж түүнийг дагаад технологийн өөрчлөлтүүд хийгдэж байгаа ба дараах асуудлууд тулгарч байна. Үүнд: Ил уурхайн тэсэлгээний дараах мөргөцгийн зургаас хүдрийн бүхэллэгийг тодорхойлох өөрсдийн хиймэл оюун программ хангамж байхгүй. Баяжуулах үйлдвэрт нийлүүлэх хүдрийн бүхэллэгийг тодорхойлж хэрэв овор хэтэрсэн чулуулаг байгаа тохиолдолд шаардлагатай арга хэмжээг авах боломжийг бүрдүүлэх. Ил уурхайн тэсэлгээний тэсрэх бодисын зарцуулалт болон тэслэгдсэн хүдрийн бүхэллэгийн хамаарлыг судлахад шаардлагатай өгөгдлийг боловсруулахад хүндрэлтэй байдаг. Ил уурхайн тэсэлгээний дараах мөргөцгийн хүдрийн бүхэллэгийг тодорхойлох хиймэл оюун бүхий эмбеддед системийн судалгаа хөгжүүлэлт хийхэд энэхүү ажлын зорилго оршино. Ил уурхайн тэсэлгээний дараах мөргөцгийн дүрсийг камераар авч зургийн сан бүрдүүлэх, чулуулгийн бүхэллэгийн хэмжилт хийж дүрсэд харгалзуулах. Цуглуулж боловсруулсан зураг болон хүдрийн бүхэллэгийн өгөгдлийн санд тулгуурлан хиймэл оюуныг сургах, сайжруулах. Экскаватор ухаж ачих үед түүн дээр байршуулсан камерын дүрсээс мөргөцгийн ахилтаас хүдрийн бүхэллэг тодорхойлох эмбеддед системийн шийдэл гаргаж, хөгжүүлэн туршилт хийх зорилтуудын хүрээнд энэхүү ажил хийгдэнэ.
Background and Problem Statement: As the Erdenetiin-Ovoo open-pit mine deepens, the physical and mechanical properties of the rock, as well as water saturation levels, are undergoing significant changes. These shifts necessitate corresponding technological adaptations. Currently, the following challenges have emerged: The absence of proprietary AI software to determine ore fragmentation from post-blast muckpile images. The need to monitor the fragmentation size of ore supplied to the concentrator plant to take corrective actions if oversized boulders are present. Difficulties in processing the data required to study the correlation between explosive consumption and the resulting fragmentation size. Project Objective: The objective of this work is to conduct research and development on an AI-powered embedded system designed to determine ore fragmentation in the open-pit muckpile following blasting operations. Project Tasks (Scope of Work): To achieve this objective, the following tasks will be undertaken: Data Acquisition: Capture images of the muckpile after blasting using cameras to build an extensive image database, while correlating physical fragmentation measurements with the visual data. Model Training: Train and optimize AI algorithms based on the collected image datasets and corresponding ore fragmentation parameters. System Integration and Testing: Develop an embedded system solution utilizing cameras mounted on excavators to determine ore fragmentation in real-time as the digging face advances, followed by field testing and validation.
Түлхүүр үгс:Энэхүү төслийн зорилго нь хиймэл оюун ухааны нэг салбар болох машин сургалт ба гүн сургалтын онолын болон практик мэдлэгийг оюутнуудад олгох ба амжилттай суралцсан оюутнууд Япон улсад хүлээн зөвшөөрөгдсөн Япон улсын DIVE INTO CODE компаниас олгодог машин сургалтын гэрчилгээтэй болох юм. Ингэснээр монгол улсдаа болон япон улсын мэдээллийн технологийн компаниудад энэ чиглэлээр ажиллах боломж нээгдэнэ.
This project aims to provide students with theoretical and practical knowledge of machine learning and deep learning, a branch of artificial intelligence, and successful students will receive a machine learning certificate issued by DIVE INTO CODE, a Japanese company recognized in Japan. This will open opportunities for IT companies in Mongolia and Japan to work in this field.
