【AI创新者】
首届矿山AI大模型大赛正式进入选手角逐的阶段。大赛在华为AI大模型平台之上，让矿山与AI技术人才走到一起，迸发出灿烂的火花，现在我们将陆续把有意思的选手、精彩的案例逐一揭秘。
“我们用机器视觉+机器人拣选的方式，以煤矸杂同步检测技术取代人工，实现高效预抛废，延长矿业设备寿命，减人提效。”
我们是来自中国矿业大学（北京）选矿过程智能化实验室的IMP-Lab-1团队，很荣幸参加第一届全国矿山AI大模型大赛，并成功将前期理论成果变成现实。
作为国内较早研究煤矸图像识别课题的团队，随着技术的不断革新，我们的研究课题不断深入，从三维激光扫描技术到传统图像处理，再到如今的深度学习，理论成果越来越完善，但是在实践领域却突破较少。
从最初煤矿车间的人工拣矸、拣杂，以人眼区分煤、矸、杂物，到如今的井下综采技术和井上洗选技术升级，虽然机器替代了人工，但是现阶段的技术尤其是预抛废环节，还是存在较多问题，由于无法避免大块矸石和杂物，容易导致机器损坏。
为了提升洗选效率，我们决定以煤矸杂同步检测技术，用机器视觉+机器人拣选实现高效地预抛废。
在过程中，最大困难是实验室测试成果到实际应用场景部署，无法实现预期效果。背后原因是“离线测试”方法与“实际测试”存在偏差。常规煤矸杂同步检测实验容易导致数据泄露，且无法识别很多实际场景的杂物。针对实际问题，团队将现场采集的煤矸图像数据，借助华为AI大模型完成了快速模拟，在保证无数据泄露的前提下，充分验证模型效果，并成功将理论成果转化到真实场景。
最终完成的煤矸杂同步解决方案不仅可以通过独立灵活的系统，以数量可调的视觉+机械手，或拆分，或组合部署于多种场景，而且方案还可消除人为因素对商品煤质量的影响，降低因大块矸石、杂物进入主洗设备而造成设备故障的可能性，延长设备寿命，减少非计划性停机。
通过参赛，我们意识到模型开发应立足于业务场景，要理论结合实践，并基于先进技术，有针对性调整模型构建思路，这样才能保证模型上线后的成功。希望AI平台未来可以通过开放生态的建设，让使用者可以实现个性化需求的场景定制化开发，研发出更多优势技术助力智能矿山发展。
