一种基于人工智能的爆破钻孔方法、装置、设备及介质

技术领域

本申请涉及矿山爆破工程的领域，尤其是涉及一种基于人工智能的爆破钻孔方法、装置、设备及介质。

背景技术

矿山爆破属于工程爆破技术在矿山开采中的应用，在矿山工程中，无论是在井巷掘进的过程中，还是在露天开采、地下采场开采，都运用到了各种爆破技术，矿山爆破是把矿石从岩体中剥落下来和对矿体顶板围岩进行剥离，并按工程要求爆破成一定的爆堆，破碎成一定的块度，为随后的铲装、运输工作创造条件。

目前，在矿山开采前需要先进行爆破孔位置确定，然后钻孔设备入场，进行钻孔工序。而钻孔设备重量很大，需要矿车托运到指定位置，但是矿山上碎石很多且道路崎岖不平，因此矿车在前往指定位置的过程中存在诸多不便，尤其是当矿车碾压到体型较大碎石时，甚至存在发生侧翻的可能，从而导致矿车的运输安全系数降低。

发明内容

为了为了解决以上技术问题，本申请提供一种基于人工智能的爆破钻孔方法、装置、设备及介质。

第一方面，本申请提供一种基于人工智能的爆破钻孔方法，采用如下的技术方案：

一种基于人工智能的爆破钻孔方法，包括：

获取道路图像信息以及矿车行驶轨迹，所述道路图像信息用于表示位于矿车前方预设范围内的道路图像信息，所述矿车行驶轨迹用于表示所述矿车车轮的实际行驶轨迹；

对所述道路图像信息进行训练识别处理，得到矿石识别信息；

基于所述矿石识别信息以及所述矿车行驶轨迹，确定所述矿车行驶至所述预设范围内时是否存在矿石碾压接触；

若所述矿车行驶至所述预设范围内时存在矿石碾压接触，则基于所述矿石识别信息确定碾压矿石信息，并判断所述碾压矿石信息是否符合预设标准矿石信息，若不符合，则生成矿石搬运指令，控制搬运机械手臂将与所述碾压矿石信息对应的矿石搬离所述矿车行驶轨迹。

在另一种可能实现的方式中，所述对所述道路图像信息进行训练识别处理，得到矿石识别信息，包括：

对所述道路图像信息进行预处理，得到光谱图像信息；

将所述光谱图像信息输入至训练后的分类识别模型中进行训练，得到矿石图像信息以及与所述矿石图像信息相对应的标注矢量信息，所述标注矢量信息用于表示所述矿石图像信息中每个矿石的坐标信息；

将所述矿石图像信息与所述标注矢量信息进行对应绑定，得到矿石识别信息。

在另一种可能实现的方式中，所述对所述道路图像信息进行预处理，得到光谱图像信息，包括：

对所述道路图像信息进行几何校正处理，得到校正图像信息；

将所述校正图像信息与多光谱图像进行图像融合处理，得到融合图像信息；

对所述融合图像信息进行图像镶嵌处理，得到光谱图像信息。

在另一种可能实现的方式中，所述控制搬运机械手臂将与所述碾压矿石信息对应的矿石搬离所述矿车行驶轨迹，之后还包括：

获取重量信息以及行驶坡度信息，所述重量信息包括矿车重量信息以及矿石重量信息，所述矿石重量信息用于表示所述碾压矿石信息对应的矿石重量信息，所述行驶坡度信息用于表示所述矿车当前行驶道路的坡度信息；

根据所述行驶坡度信息以及所述矿车重量信息对所述矿车的矿石承载重量进行计算，得到标准承载重量；

判断所述矿石重量信息是否超过所述标准承载重量，若超过，则生成告警信息，并将所述告警信息发送至所述矿车终端。

在另一种可能实现的方式中，所述根据所述行驶坡度信息以及所述矿车重量信息对所述矿车的矿石承载重量进行计算，得到标准承载重量，包括：

基于三角函数以及所述矿车重量信息计算所述矿车在不同坡度下的坡度分支重量；

将所述行驶坡度信息中的坡度与所述不同坡度进行匹配，得到标准承载重量。

在另一种可能实现的方式中，所述方法还包括：

获取历史爆破信息以及当前爆破信息，所示历史爆破信息为预设历史时间段内所述矿车对不同材质矿山进行不同程度开采的爆破信息；

创建爆破网络模型，并基于人工鱼群算法以及所述历史爆破信息中的参数类型顺序对所述爆破网络模型进行迭代，得到迭代后的爆破网络模型；

将所述历史爆破信息输入至所述爆破网络模型中进行训练，得到训练后的爆破网络模型；

将所述当前爆破信息根据所述参数类型顺序遍历输入至训练后的爆破网络模型中进行迭代识别，得到当前爆破参数。

在另一种可能实现的方式中，所述对所述道路图像信息进行训练识别处理，得到矿石识别信息，之后还包括：

对所述矿石识别信息进行细碎分类取出，得到优化识别信息；

基于所述道路图像信息对所述优化识别信息进行对应空间数据导入，得到坐标识别信息；

对所述坐标识别信息进行栅格转矢量处理，得到矢量识别信息；

判断所述矢量识别信息中是否存在预设异常，若存在，则生成干预信息，以告知工作人员对所述矢量识别信息进行干预校正。

第二方面，本申请提供一种基于人工智能的爆破钻孔装置，采用如下的技术方案：

一种基于人工智能的爆破钻孔装置，包括：

信息获取模块，用于获取道路图像信息以及矿车行驶轨迹，所述道路图像信息用于表示位于矿车前方预设范围内的道路图像信息，所述矿车行驶轨迹用于表示所述矿车车轮的实际行驶轨迹；

识别处理模块，用于对所述道路图像信息进行训练识别处理，得到矿石识别信息；

碾压判断模块，用于基于所述矿石识别信息以及所述矿车行驶轨迹，确定所述矿车行驶至所述预设范围内时是否存在矿石碾压接触；

矿石搬运模块，用于当所述矿车行驶至所述预设范围内时存在矿石碾压接触时，基于所述矿石识别信息确定碾压矿石信息，并判断所述碾压矿石信息是否符合预设标准矿石信息，若不符合，则生成矿石搬运指令，控制搬运机械手臂将与所述碾压矿石信息对应的矿石搬离所述矿车行驶轨迹。

在一种可能的实现方式中，所述识别处理模块在对所述道路图像信息进行训练识别处理，得到矿石识别信息时，具体用于：

对所述道路图像信息进行预处理，得到光谱图像信息；

将所述光谱图像信息输入至训练后的分类识别模型中进行训练，得到矿石图像信息以及与所述矿石图像信息相对应的标注矢量信息，所述标注矢量信息用于表示所述矿石图像信息中每个矿石的坐标信息；

将所述矿石图像信息与所述标注矢量信息进行对应绑定，得到矿石识别信息。

在另一种可能的实现方式中，所述识别处理模块在对所述道路图像信息进行预处理，得到光谱图像信息时，具体用于：

对所述道路图像信息进行几何校正处理，得到校正图像信息；

将所述校正图像信息与多光谱图像进行图像融合处理，得到融合图像信息；

对所述融合图像信息进行图像镶嵌处理，得到光谱图像信息。

在另一种可能的实现方式中，所述装置还包括：重量获取模块、承载计算模块以及承载判断模块，其中，

所述重量获取模块，用于获取重量信息以及行驶坡度信息，所述重量信息包括矿车重量信息以及矿石重量信息，所述矿石重量信息用于表示所述碾压矿石信息对应的矿石重量信息，所述行驶坡度信息用于表示所述矿车当前行驶道路的坡度信息；

所述承载计算模块，用于根据所述行驶坡度信息以及所述矿车重量信息对所述矿车的矿石承载重量进行计算，得到标准承载重量；

所述承载判断模块，用于判断所述矿石重量信息是否超过所述标准承载重量，若超过，则生成告警信息，并将所述告警信息发送至所述矿车终端。

在另一种可能的实现方式中，所述承载计算模块在根据所述行驶坡度信息以及所述矿车重量信息对所述矿车的矿石承载重量进行计算，得到标准承载重量时，具体用于：

基于三角函数以及所述矿车重量信息计算所述矿车在不同坡度下的坡度分支重量；

将所述行驶坡度信息中的坡度与所述不同坡度进行匹配，得到标准承载重量。

在另一种可能的实现方式中，所述装置还包括：爆破获取模块、模型创建模块、模型训练模块以及迭代识别模块，其中，

所述爆破获取模块，用于获取历史爆破信息以及当前爆破信息，所示历史爆破信息为预设历史时间段内所述矿车对不同材质矿山进行不同程度开采的爆破信息；

所述模型创建模块，用于创建爆破网络模型，并基于人工鱼群算法以及所述历史爆破信息中的参数类型顺序对所述爆破网络模型进行迭代，得到迭代后的爆破网络模型；

所述模型训练模块，用于将所述历史爆破信息输入至所述爆破网络模型中进行训练，得到训练后的爆破网络模型；

所述迭代识别模块，用于将所述当前爆破信息根据所述参数类型顺序遍历输入至训练后的爆破网络模型中进行迭代识别，得到当前爆破参数。

在另一种可能的实现方式中，所述装置还包括：分类识别模块、空间导入模块、矢量处理模块以及矢量判断模块，其中，

所述分类识别模块，用于对所述矿石识别信息进行细碎分类取出，得到优化识别信息；

所述空间导入模块，用于基于所述道路图像信息对所述优化识别信息进行对应空间数据导入，得到坐标识别信息；

所述矢量处理模块，用于对所述坐标识别信息进行栅格转矢量处理，得到矢量识别信息；

所述矢量判断模块，用于判断所述矢量识别信息中是否存在预设异常，若存在，则生成干预信息，以告知工作人员对所述矢量识别信息进行干预校正。

第三方面，本申请提供一种电子设备，采用如下的技术方案：

一种电子设备，该电子设备包括：

一个或多个处理器；

存储器；

一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于：执行根据第一方面任一种可能的实现方式所示的一种基于人工智能的爆破钻孔方法。

第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：

一种计算机可读存储介质，包括：存储有能够被处理器加载并执行实现第一方面任一种可能的实现方式所示的一种基于人工智能的爆破钻孔方法的计算机程序。

综上所述，本申请包括以下至少一种有益技术效果：

通过采用上述技术方案，在矿车装载这爆破钻孔设备前往预设爆破位置过程中，对获取道路图像信息以及矿车行驶轨迹，然后对所述道路图像信息进行训练识别处理，得到矿石识别信息，基于所述矿石识别信息以及所述矿车行驶轨迹，确定所述矿车行驶至所述预设范围内时是否存在矿石碾压接触，当所述矿车行驶至所述预设范围内时存在矿石碾压接触时，基于所述矿石识别信息确定碾压矿石信息，并判断所述碾压矿石信息是否符合预设标准矿石信息，若不符合，则生成矿石搬运指令，控制搬运机械手臂将与所述碾压矿石信息对应的矿石搬离所述矿车行驶轨迹，从而避免因矿车碾压到矿石而发生侧翻的情况发生，进而提高了矿车的运输安全系数。

附图说明

图1是本申请实施例的一种基于人工智能的爆破钻孔方法的流程示意图；

图2是本申请实施例的一种基于人工智能的爆破钻孔装置的结构示意图；

图3是本申请实施例的电子设备的结构示意图；

具体实施方式

以下结合附图1-3对本申请作进一步详细说明。

领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本申请的权利要求范围内都受到专利法的保护。

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。

下面结合说明书附图对本申请实施例作进一步详细描述。

本申请实施例提供了一种基于人工智能的爆破钻孔方法，由电子设备执行，该电子设备可以为服务器也可以为终端设备，其中，该服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等，但并不局限于此，该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请实施例在此不做限制，如图1所示，该方法包括：

步骤S10，获取道路图像信息以及矿车行驶轨迹，道路图像信息用于表示位于矿车前方预设范围内的道路图像信息，矿车行驶轨迹用于表示矿车车轮的实际行驶轨迹。

在本申请实施例中，智能爆破钻孔设备设置与矿车上，智能爆破钻孔设备包括车体支架、双目相机、搬运机械手、滑轨以及太阳能电池板，其中，双目相机对矿车前方预设范围内的道路图像进行识别，得到道路图像信息，并将道路图像信息发送至电子设备，然后矿车行驶系统中的定位模块采集矿车车轮行驶在矿车道路中的行驶轨迹，并将矿车行驶轨迹发送至电子设备。

对于本申请实施例来说，电子设备根据当前环境的亮暗程度对双目相机拍摄道路的预设范围进行设置调整的，例如：当环境中的亮度在120cd/m2到150cd/m2之间时，预设范围为10米。

步骤S11，对道路图像信息进行训练识别处理，得到矿石识别信息。

步骤S12，基于矿石识别信息以及矿车行驶轨迹，确定矿车行驶至预设范围内时是否存在矿石碾压接触。

步骤S13，若矿车行驶至预设范围内时存在矿石碾压接触，则基于矿石识别信息确定碾压矿石信息，并判断碾压矿石信息是否符合预设标准矿石信息，若不符合，则生成矿石搬运指令，控制搬运机械手臂将与碾压矿石信息对应的矿石搬离矿车行驶轨迹。

在本申请实施例中，在矿车装载这爆破钻孔设备前往预设爆破位置过程中，对获取道路图像信息以及矿车行驶轨迹，然后对道路图像信息进行训练识别处理，得到矿石识别信息，基于矿石识别信息以及矿车行驶轨迹，确定矿车行驶至预设范围内时是否存在矿石碾压接触，当矿车行驶至预设范围内时存在矿石碾压接触时，基于矿石识别信息确定碾压矿石信息，并判断碾压矿石信息是否符合预设标准矿石信息，若不符合，则生成矿石搬运指令，控制搬运机械手臂将与碾压矿石信息对应的矿石搬离矿车行驶轨迹，从而避免因矿车碾压到矿石而发生侧翻的情况发生，进而提高了矿车的运输安全系数。

本申请实施例的一种可能的实现方式，步骤S11具体包括步骤S111以及步骤S112，其中，

步骤S111，对道路图像信息进行预处理，得到光谱图像信息。

在本申请实施例中，预处理包括：几何校正、图像融合以及图像镶嵌，由于受到各种成像因素的影响，道路图像信息中地物的位置、形状、尺寸和方位等特征与其对应的真实地物的特征会出现偏差，因此需要对图像进行几何校正。然后将使用全色和多光谱图像对校正后的道路图像信息进行融合，使得融合后的道路图像信息具有新的空间及光谱分辨率。

步骤S112，将光谱图像信息输入至训练后的分类识别模型中进行训练，得到矿石图像信息以及与矿石图像信息相对应的标注矢量信息。

其中，标注矢量信息用于表示矿石图像信息中每个矿石的坐标信息。

步骤S113，将矿石图像信息与标注矢量信息进行对应绑定，得到矿石识别信息。

本申请实施例的一种可能的实现方式，步骤S111具体包括步骤S101、步骤S102以及步骤S103，其中，

步骤S101，对道路图像信息进行几何校正处理，得到校正图像信息。

具体地，对道路图像信息的几何畸变进行几何校正的过程。通常利用电子计算机和光学仪器进行几何校正。其原理是把一幅畸变图像的元素从原有位置经过一定的坐标变换,转变到另一幅正确的图像中去。图像几何校正还包括加绘坐标网格、对多谱段图像的配准和把某种投影所得的道路图像信息变换成地图投影。

步骤S102，将校正图像信息与多光谱图像进行图像融合处理，得到融合图像信息。

具体地，多光谱图像是指包含很多带的图像，有时只有3个带(彩色图像就是一个例子)但有时要多得多，甚至上百个。每个带是一幅灰度图像，它表示根据用来产生该带的传感器的敏感度得到的场景亮度。在这样一幅图像中，每个像素都与一个由像素在不同带的数值串，即一个矢量相关。这个数串就被称为像素的光谱标记。

步骤S103，对融合图像信息进行图像镶嵌处理，得到光谱图像信息。

在本申请实施例中，对融合图像信息进行图像镶嵌处理的方式包括：从众多待融合图像信息中，选出一幅亮度和色彩都比较均匀图像作为镶嵌的基准像幅，其他图像以它为基准依此由近到远进行镶嵌。

本申请实施例的一种可能的实现方式，步骤S13之后还包括步骤S31、步骤S32以及步骤S33，其中，

步骤S31，获取重量信息以及行驶坡度信息。

其中，重量信息包括矿车重量信息以及矿石重量信息，矿石重量信息用于表示碾压矿石信息对应的矿石重量信息，行驶坡度信息用于表示矿车当前行驶道路的坡度信息。

具体地，矿车重量信息为预先通过地泵对矿车进行测量后的重量信息，矿石重量信息为搬运机械手臂上设置的重力感应装置，用于感应搬运机械手臂所搬运的矿石重量。

步骤S32，根据行驶坡度信息以及矿车重量信息对矿车的矿石承载重量进行计算，得到标准承载重量；

步骤S33，判断矿石重量信息是否超过标准承载重量，若超过，则生成告警信息，并将告警信息发送至矿车终端。

本申请实施例的一种可能的实现方式，步骤S32具体包括步骤S321、S322，其中，

步骤S321，基于三角函数以及矿车重量信息计算矿车在不同坡度下的坡度分支重量。

在本申请实施例中，采用水平仪装置确定当前矿车所行驶道路的坡度，然后采用三角函数计算公式，计算出当前矿车重量信息位于与当前坡度平行的重量分支信息。

步骤S322，将行驶坡度信息中的坡度与不同坡度进行匹配，得到标准承载重量。

本申请实施例的一种可能的实现方式，步骤S13之后还包括：获取历史爆破信息以及当前爆破信息，所示历史爆破信息为预设历史时间段内矿车对不同材质矿山进行不同程度开采的爆破信息；创建爆破网络模型，并基于人工鱼群算法以及历史爆破信息中的参数类型顺序对爆破网络模型进行迭代，得到迭代后的爆破网络模型；将历史爆破信息输入至爆破网络模型中进行训练，得到训练后的爆破网络模型，将当前爆破信息根据参数类型顺序遍历输入至训练后的爆破网络模型中进行迭代识别，得到当前爆破参数。

本申请实施例的一种可能的实现方式，步骤S13之后还包括：对矿石识别信息进行细碎分类取出，得到优化识别信息，基于实时图像信息对优化识别信息进行对应空间数据导入，得到坐标识别信息，对坐标识别信息进行栅格转矢量处理，得到矢量识别信息，判断矢量识别信息中是否存在预设异常，若存在，则生成干预信息，以告知工作人员对矢量识别信息进行干预校正。

具体地，预设异常包括：由于算法不准确造成的矢量识别分类错误。

上述实施例从方法流程的角度介绍一种基于人工智能的爆破钻孔方法，下述实施例从虚拟模块或者虚拟单元的角度介绍了一种基于人工智能的爆破钻孔装置，具体详见下述实施例。

本申请实施例提供一种基于人工智能的爆破钻孔装置20，如图2所示，该一种基于人工智能的爆破钻孔装置20具体可以包括：信息获取模块21、识别处理模块22、碾压判断模块23以及矿石搬运模块24，其中，

信息获取模块21，用于获取道路图像信息以及矿车行驶轨迹，道路图像信息用于表示位于矿车前方预设范围内的道路图像信息，矿车行驶轨迹用于表示矿车车轮的实际行驶轨迹；

识别处理模块22，用于对道路图像信息进行训练识别处理，得到矿石识别信息；

碾压判断模块23，用于基于矿石识别信息以及矿车行驶轨迹，确定矿车行驶至预设范围内时是否存在矿石碾压接触；

矿石搬运模块24，用于当矿车行驶至预设范围内时存在矿石碾压接触时，基于矿石识别信息确定碾压矿石信息，并判断碾压矿石信息是否符合预设标准矿石信息，若不符合，则生成矿石搬运指令，控制搬运机械手臂将与碾压矿石信息对应的矿石搬离矿车行驶轨迹。

本申请实施例的一种可能的实现方式，识别处理模块22在对道路图像信息进行训练识别处理，得到矿石识别信息时，具体用于：

对道路图像信息进行预处理，得到光谱图像信息；

将光谱图像信息输入至训练后的分类识别模型中进行训练，得到矿石图像信息以及与矿石图像信息相对应的标注矢量信息，标注矢量信息用于表示矿石图像信息中每个矿石的坐标信息；

将矿石图像信息与标注矢量信息进行对应绑定，得到矿石识别信息。

本申请实施例的另一种可能的实现方式，识别处理模块22在对道路图像信息进行预处理，得到光谱图像信息时，具体用于：

对道路图像信息进行几何校正处理，得到校正图像信息；

将校正图像信息与多光谱图像进行图像融合处理，得到融合图像信息；

对融合图像信息进行图像镶嵌处理，得到光谱图像信息。

本申请实施例的另一种可能的实现方式，一种基于人工智能的爆破钻孔装置20还包括：重量获取模块、承载计算模块以及承载判断模块，其中，

重量获取模块，用于获取重量信息以及行驶坡度信息，重量信息包括矿车重量信息以及矿石重量信息，矿石重量信息用于表示碾压矿石信息对应的矿石重量信息，行驶坡度信息用于表示矿车当前行驶道路的坡度信息；

承载计算模块，用于根据行驶坡度信息以及矿车重量信息对矿车的矿石承载重量进行计算，得到标准承载重量；

承载判断模块，用于判断矿石重量信息是否超过标准承载重量，若超过，则生成告警信息，并将告警信息发送至矿车终端。

本申请实施例的另一种可能的实现方式，承载计算模块在根据行驶坡度信息以及矿车重量信息对矿车的矿石承载重量进行计算，得到标准承载重量时，具体用于：

基于三角函数以及矿车重量信息计算矿车在不同坡度下的坡度分支重量；

将行驶坡度信息中的坡度与不同坡度进行匹配，得到标准承载重量。

本申请实施例的另一种可能的实现方式，一种基于人工智能的爆破钻孔装置20还包括：爆破获取模块、模型创建模块、模型训练模块以及迭代识别模块，其中，

爆破获取模块，用于获取历史爆破信息以及当前爆破信息，所示历史爆破信息为预设历史时间段内矿车对不同材质矿山进行不同程度开采的爆破信息；

模型创建模块，用于创建爆破网络模型，并基于人工鱼群算法以及历史爆破信息中的参数类型顺序对爆破网络模型进行迭代，得到迭代后的爆破网络模型；

模型训练模块，用于将历史爆破信息输入至爆破网络模型中进行训练，得到训练后的爆破网络模型；

迭代识别模块，用于将当前爆破信息根据参数类型顺序遍历输入至训练后的爆破网络模型中进行迭代识别，得到当前爆破参数。

本申请实施例的另一种可能的实现方式，一种基于人工智能的爆破钻孔装置20还包括：分类识别模块、空间导入模块、矢量处理模块以及矢量判断模块，其中，

分类识别模块，用于对矿石识别信息进行细碎分类取出，得到优化识别信息；

空间导入模块，用于基于实时图像信息对优化识别信息进行对应空间数据导入，得到坐标识别信息；

矢量处理模块，用于对坐标识别信息进行栅格转矢量处理，得到矢量识别信息；

矢量判断模块，用于判断矢量识别信息中是否存在预设异常，若存在，则生成干预信息，以告知工作人员对矢量识别信息进行干预校正。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请实施例中提供了一种电子设备，如图3所示，图3所示的电子设备300包括：处理器301和存储器303。其中，处理器301和存储器303相连，如通过总线302相连。可选地，电子设备300还可以包括收发器304。需要说明的是，实际应用中收发器304不限于一个，该电子设备300的结构并不构成对本申请实施例的限定。

处理器301可以是CPU（Central Processing Unit，中央处理器），通用处理器，DSP（Digital Signal Processor，数据信号处理器），ASIC（Application SpecificIntegrated Circuit，专用集成电路），FPGA（Field Programmable Gate Array，现场可编程门阵列）或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器301也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。

总线302可包括一通路，在上述组件之间传送信息。总线302可以是PCI（Peripheral Component Interconnect，外设部件互连标准）总线或EISA（ExtendedIndustry Standard Architecture，扩展工业标准结构）总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

存储器303可以是ROM（Read Only Memory，只读存储器）或可存储静态信息和指令的其他类型的静态存储设备，RAM（Random Access Memory，随机存取存储器）或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM（Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器）、CD-ROM（Compact DiscRead Only Memory，只读光盘）或其他光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。

存储器303用于存储执行本申请方案的应用程序代码，并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码，以实现前述方法实施例所示的内容。

其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图3示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。与相关技术相比，本申请实施例中，在矿车装载这爆破钻孔设备前往预设爆破位置过程中，对获取道路图像信息以及矿车行驶轨迹，然后对道路图像信息进行训练识别处理，得到矿石识别信息，基于矿石识别信息以及矿车行驶轨迹，确定矿车行驶至预设范围内时是否存在矿石碾压接触，当矿车行驶至预设范围内时存在矿石碾压接触时，基于矿石识别信息确定碾压矿石信息，并判断碾压矿石信息是否符合预设标准矿石信息，若不符合，则生成矿石搬运指令，控制搬运机械手臂将与碾压矿石信息对应的矿石搬离矿车行驶轨迹，从而避免因矿车碾压到矿石而发生侧翻的情况发生，进而提高了矿车的运输安全系数。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

以上仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。