东北大学17秋离线采矿学(下)%2bB卷%2b陈庆凯
采矿学_中国矿业大学中国大学mooc课后章节答案期末考试题库2023年
采矿学_中国矿业大学中国大学mooc课后章节答案期末考试题库2023年1.采用倾斜分层的台阶的平盘与水平面的夹角可以任意确定。
答案:错误2.以下不是及时支护优点的是（）。
答案:控顶宽度小3.随着______的发展，为矿井向运输连续化、大型化发展创造了重要条件，斜井应用数量的比例逐渐增加。
答案:胶带输送机4.西北五大煤炭基地是陕北、黄陇、山西、神东、新疆。
答案:错误5.国内综采工作面多采用割三角煤端部斜切进刀方式。
答案:正确6.当工作面遇到陷落柱时，应综合考虑哪些因素来确定如何处理陷落柱（）？答案:陷落柱含水量大小_陷落柱岩石软硬情况_陷落柱直径_陷落柱在工作面的位置7.采煤机截深与截割高度没有关系。
答案:错误8.在联合布置采区，一般将上(下)山布置于下部稳定的煤层或底板岩层中，主要原因是（）。
a.能适应煤层下行开采顺序；b.提高采出率，煤损少；c.采区生产系统可靠，易维护；d. 易接近富含水层。
答案:abc9.以下不属于评价落矿效果主要指标的是（）。
答案:矿石的破碎难易程度10.采区式通风的缺点是回风井及所需通风设备较多。
答案:正确11.基建费与生产经营费相比，（）的计算误差较大。
答案:生产经营费12.多井筒分区域开拓利用主斜井或主平硐集中出煤，效率高，可解决大型矿井长距离辅助运输和_______，生产高度集中，分区可分期建井，建井速度快。
答案:通风困难问题13.下列哪种方式不属于硐室爆破（）？答案:浅眼爆破14.目前国内采煤机截深有减小的趋势。
答案:错误15.影响矿井生产能力的因素有（）。
答案:矿井地质条件_开采技术水平与装备条件_储量条件_矿山经济及社会因素16.阶段运输大巷胶带运输一般要求巷道_______。
答案:取直或分段取直17.阶段运输大巷集中布置用_______联络各煤层。
答案:采区石门18.山坡露天矿延深时，延深方向通常与_______一致，可减少新水平开拓准备工程量。
答案:山坡倾斜方向19.采矿方法选择只须考虑矿床地质条件就可以。
东北大学17秋学期《采矿学(上)》在线作业3答案
东北大学17秋学期《采矿学(上)》在线作业3
一、单选题1、D2、B3、B4、A5、C
一、单选题（共10道试题，共100分。
）V
1.下图属于什么竖井开拓法
A.穿过矿体的竖井开拓法
B.上盘竖井开拓法
C.下盘竖井开拓法
D.侧翼竖井开拓法
正确答案：D
2.下图斜井井底车场是哪种形式
A.旁甩式
B.吊桥式
C.平车场式
D.混合式
正确答案：B
3.急倾斜薄和中厚矿体最有效的，暂留的矿石不能作为地压管理的手段，这种采矿方法是
A.全面采矿法
B.留矿采矿法
C.房柱采矿法
D.阶段矿房法
正确答案：B
4.下图是哪种采矿法的典型布置
A.上向水平分层充填采矿法
B.下向分层充填采矿法
C.留矿采矿法
D.阶段矿房法
正确答案：A
5.下图竖井井底车场是哪种形式
A.尽头式井底车场
B.折返式井底车场
C.环形井底车场
D.混合井底车场
正确答案：C。
华北矿业型城市长序列能源消费碳排放特征
华北矿业型城市长序列能源消费碳排放特征中国矿业大学（北京）地球科学与测绘工程学院邵克俭董东林林刚徐祚荣陈金平北京师范大学水科学研究院地下水污染控制与修复教育部工程研究中心刘贺丹发布时间:2021-02-08摘要：区域视角的长序列能源消费碳排放特征研究对低碳减排政策的制定具有一定意义。
针对中国地市级及以下尺度数据难以获取、统计标准存在差异、从时间长序列角度对矿业型城市能源消费碳排放的研究较少等问题，基于夜间灯光影像数据模拟估算了1995～2017年华北矿业型城市能源消费碳排放量，对矿业型城市进行多维研究，分析不同矿业型城市碳排放的差异性。
结果表明：能源消费碳排放量较高的矿业型城市为成长型煤炭型、再生型铁矿型、成熟型铁矿型以及成熟型煤炭型中的张家口市、忻州市和赤峰市；强度效应是促使能源消费碳排放量与经济增长脱钩的重要手段，结合人口效应、规模效应的调控，通过科学的低碳减排政策，能够有效地控制能源消费碳排放量的增加，加快矿业型城市的经济转型。
关键词：夜间灯光数据，能源消费碳排放，华北地区，矿业型城市我国作为能源消费碳排放大国，低碳减排、绿色可持续发展是我国目前亟须解决的问题[1-2]。
矿业型城市拥有丰富的能源战略矿产资源，是我国经济持续健康发展的重要保障基地[3]。
能源消费碳排放研究多集中在省级尺度或经济发达的大城市，中国地市级及以下尺度数据难以获取，且统计标准存在差异[4]。
遥感技术在空间一致性方面独具优势[4]，研究表明，基于夜间灯光数据能直观反映人类活动强度，有效估算能源消费碳排放量[5]。
目前，基于夜间灯光数据从时间长序列角度对矿业型城市能源消费碳排放的研究较少，通过夜间灯光数据预测矿业型城市能源消费碳排放特征具有一定的可行性，同时弥补了地级市及以下尺度数据难以获取的问题。
华北地区矿业型城市数量多，占比达55.56%，远高于全国矿业型城市占比（25.51%）[6]。
选取华北地区矿业型城市为研究对象，基于1995～2017年的夜间灯光数据、能源统计年鉴数据和城市统计年鉴数据，模拟估算华北矿业型城市能源消费碳排放量，对矿业型城市进行多维研究，分析不同矿业型城市碳排放的差异性，为矿业型城市低碳发展提供科学依据。
独居石综合利用研究进展
147独居石综合利用研究进展付梦来，陈天锴（原能（海南）资源有限公司，海南 海口 ５７０１００）摘 要：独居石是一种磷酸盐矿物，很少有独立的矿床，通常与锆、钛、锡等有色金属矿伴生，因此在开采这些有色金属矿的同时，独居石作为副产品加以回收。
据调查，我国每年约有５万吨独居石精矿生产能力。
独居石富含铀、钍、稀土等有价元素，但目前主要用作提炼稀土原料，铀、钍资源未得到很好的回收利用。
本文对低酸度、低温度浸取独居石渣工艺进行可行性分析，同时对综合利用独居石渣回收有价元素的经济性进行研究，研究表明工艺可行，经济价值高。
关键词：独居石；铀；钍；稀土；综合利用中图分类号：ＴＧ１４６．４＋５ 文献标识码：Ａ 文章编号：１００２－５０６５（２０２３）１８－０１４７－４Research progress on comprehensive utilization of monaziteFU Meng-lai，CHEN Tian-kai（Ｙｕａｎｎｅｎｇ（ＨａｉＮａｎ） Ｒｅｓｏｕｒｃｅｓ Ｌｔｄ， Ｈａｉｋｏｕ ５１０１００， Ｃｈｉｎａ）Abstract: Ｍｏｎａｚｉｔｅ ｉｓ ａ ｐｈｏｓｐｈａｔｅ ｍｉｎｅｒａｌ ｔｈａｔ ｒａｒｅｌｙ ｈａｓ ｉｎｄｅｐｅｎｄｅｎｔ ｄｅｐｏｓｉｔｓ ａｎｄ ｉｓ ｕｓｕａｌｌｙ ａｓｓｏｃｉａｔｅｄ ｗｉｔｈ ｎｏｎｆｅｒｒｏｕｓ ｍｅｔａｌｓ ｓｕｃｈ ａｓ ｚｉｒｃｏｎｉｕｍ， ｔｉｔａｎｉｕｍ， ａｎｄ ｔｉｎ， ｔｈｕｓ ｉｔ ｃａｎ ｂｅ ｒｅｃｏｖｅｒｅｄ ａｓ ａ ｂｙ－ｐｒｏｄｕｃｔ ｗｈｉｌｅ ｔｈｅｓｅ ｎｏｎｆｅｒｒｏｕｓ ｍｅｔａｌｓ ａｒｅ ｍｉｎｅｄ． Ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｉｎｖｅｓｔｉｇａｔｉｏｎ， Ｃｈｉｎａ ｈａｓ ａｎ ａｎｎｕａｌ ｐｒｏｄｕｃｔｉｏｎ ｃａｐａｃｉｔｙ ｏｆ ａｂｏｕｔ ５０，０００ ｔｏｎｓ ｏｆ ｍｏｎａｚｉｔｅ ｃｏｎｃｅｎｔｒａｔｅ． Ｍｏｎａｚｉｔｅ ｉｓ ｒｉｃｈ ｉｎ ｖａｌｕａｂｌｅ ｅｌｅｍｅｎｔｓ ｓｕｃｈ ａｓ ｕｒａｎｉｕｍ， ｔｈｏｒｉｕｍ ａｎｄ ｒａｒｅ ｅａｒｔｈ， ｂｕｔ ｉｔ ｉｓ ｍａｉｎｌｙ ｕｓｅｄ ａｓ ｒａｗ ｍａｔｅｒｉａｌ ｆｏｒ ｒｅｆｉｎｉｎｇ ｒａｒｅ ｅａｒｔｈ ａｔ ｐｒｅｓｅｎｔ， ａｎｄ ｔｈｅ ｒｅｓｏｕｒｃｅｓ ｏｆ ｕｒａｎｉｕｍ ａｎｄ ｔｈｏｒｉｕｍ ａｒｅ ｎｏｔ ｗｅｌｌ ｒｅｃｙｃｌｅｄ． Ｔｈｉｓ ｐａｐｅｒ ａｎａｌｙｚｅｓ ｔｈｅ ｆｅａｓｉｂｉｌｉｔｙ ｏｆ ｔｈｅ ｐｒｏｃｅｓｓ ｏｆ ｌｅａｃｈｉｎｇ ｍｏｎａｚｉｔｅ ｓｌａｇ ｗｉｔｈ ｌｏｗ ａｃｉｄｉｔｙ ａｎｄ ｌｏｗ ｔｅｍｐｅｒａｔｕｒｅ， ａｎｄ ｓｔｕｄｉｅｓ ｔｈｅ ｅｃｏｎｏｍｙ ｏｆ ｃｏｍｐｒｅｈｅｎｓｉｖｅ ｕｔｉｌｉｚａｔｉｏｎ ｏｆ ｍｏｎａｚｉｔｅ ｓｌａｇ ｔｏ ｒｅｃｏｖｅｒ ｖａｌｕａｂｌｅ ｅｌｅｍｅｎｔｓ． Ｔｈｅ ｒｅｓｅａｒｃｈ ｓｈｏｗｓ ｔｈａｔ ｔｈｅ ｐｒｏｃｅｓｓ ｉｓ ｆｅａｓｉｂｌｅ ａｎｄ ｈａｓ ｈｉｇｈ ｅｃｏｎｏｍｉｃ ｖａｌｕｅ．Keywords: Ｍｏｎａｚｉｔｅ； Ｕｒａｎｉｕｍ； Ｔｈｏｒｉｕｍ； Ｒａｒｅ ｅａｒｔｈ； Ｃｏｍｐｒｅｈｅｎｓｉｖｅ ｕｔｉｌｉｚａｔｉｏｎ收稿日期：２０２３－０７作者简介：付梦来，生于１９８３年，黑龙江人，本科，高级工程师，研究方向：共伴生放射性矿采选与深加工。
东北大学智慧树知到“采矿工程”《采矿学(上)》网课测试题答案1
东北大学智慧树知到“采矿工程”《采矿学(上)》网课测试题答案（图片大小可自由调整）第1卷一.综合考核(共15题)1.下图是哪种采矿法的典型布置?()A 、阶段矿房法B 、留矿采矿法C 、下向分层充填采矿法D 、上向水平分层充填采矿法2.下图属于什么开拓法?()A.平硐开拓法B.斜井开拓法C.竖井开拓法D.斜坡道开拓法3.下图属于什么竖井开拓法?()A.穿过矿体的竖井开拓法B.上盘竖井开拓法C.下盘竖井开拓法D.侧翼竖井开拓法4.下图是哪种炮孔排列形式?()A 、平行排列C、之字形排列D、一字形排列5.下图属于什么落矿方法?()A.浅孔落矿B.中深孔落矿C.深孔落矿D.挤压落矿6.下图是哪种采矿法的典型布置?()A、阶段矿房法B、留矿采矿法D、上向水平分层充填采矿法7.下列哪项不属于充填采矿法?()A.单层充填法B.分采充填法C.留矿采矿法D.下向分层充填法8.下列哪项不属于黑色金属矿石A.铁B.铅C.锰D.铬正确答案：B9.下图为分段回采巷道的哪种布置方式?()A.正对B.交错C.混合10.开采急倾斜矿体(一般矿体倾角大于45°)和埋藏较深的水平和缓倾斜矿体(倾角小于15°)，一般采用什么开拓法?()A、竖井开拓法B、斜坡道开拓法C、斜井开拓法D、平硐开拓法11.下列哪项不属于空场采矿法?()A、阶段矿房法B、留矿采矿法C、房柱采矿法12.下图竖井井底车场是哪种形式?()A.尽头式井底车场B.折返式井底车场C.环形井底车场D.混合井底车场13.下图竖井井底车场是哪种形式?()A.尽头式井底车场B.折返式井底车场C.环形井底车场D.混合井底车场14.下列哪项不是中深孔落矿常用凿岩设备?()A、YGZ-90B、YG-80C、Simba1250系列D、FZY-10型15.下图是哪种采矿法的典型布置?() A.全面采矿法B.留矿采矿法C.房柱采矿法D.阶段矿房法第2卷一.综合考核(共15题)1.下图是哪种采矿法的典型布置A.上向水平分层充填采矿法B.下向分层充填采矿法C.留矿采矿法D.阶段矿房法正确答案：B2.下图是哪种掏槽方式?()A、锥形掏槽B、楔形掏槽3.下列哪项不属于凿岩爆破落矿?()A、深孔落矿B、浅孔落矿C、极深孔落矿D、中深孔落矿4.下图竖井井底车场是哪种形式?()A.尽头式井底车场B.折返式井底车场C.环形井底车场D.混合井底车场5.下列哪项不属于崩落采矿法A.全面采矿法B.单层崩落法C.分层崩落法D.分段崩落法正确答案：A6.下图是哪种采矿法的典型布置?() B.留矿采矿法C.分段矿房法D.阶段矿房法7.区分矿石与废石或称岩石的临界品位是()。
东大采矿学(下)网考复习资料答案
东北大学继续教育学院采矿学（下）复习题一、单选题1.露天开采有两种方法，即（B）开采和条带剥离式开采。
A阶梯式 B台阶式 C梯段式 D阶段式2. 一般只有一部分地质储量的开采是（C ）可行和经济上合理的，这部分储量称为开采储量。
A人员上 B设备上 C技术上 D资金上3. 采装与运输作业是密不可分的，两者相互影响、（C ）。
A相互关联 B相互衔接 C相互制约 D相互依赖4. 依据工作线的推进方向与矿体走向的关系，台阶工作线的布置方式可有三种形式，即（D ）、纵向和扇形。
A垂向 B斜线 C径向 D横向5. 依据出入沟布置的形状，开拓布线方式可分为（A）和迂回布线。
A螺旋布线 B直进式布线 C折返布线 D垂直布线6. 生产能力的确定直接影响到矿山（D）的选型、设备数量、劳动力及材料要求等。
A电铲 B汽车 C钻机 D设备7. 依据所选取的运输设备，露天开拓可归为以下几种：公路运输开拓、铁路运输开拓和（B）开拓。
A箕斗运输 B联合运输 C胶带运输 D平硐运输多选题8. 露天台阶深孔爆破的布孔参数包括：（BCD ）。
A抵抗线 B孔距 C排距 D炮孔密集系数9. 我国露天矿山采用较多的排岩工艺有（ BD）。
A汽车直排 B汽车－推土机 C铁路-挖掘机 D汽车-胶带10. 现在我国露天矿常用的钻孔设备有（AC ）。
A潜孔钻机 B气腿式凿岩机 C牙轮钻机 D凿岩台车11. 用于矿体圈定与矿量、品位估算的数据主要来源于探矿钻孔的（D）。
A.岩芯；B. 标本；C.样本；D.岩芯取样。
4.穿孔作业是矿床露天开采的第一道生产工序，其作业内容是采用某种穿孔设备在计划开采的台阶区域内穿凿炮孔，为其后的爆破工作提供（A）。
A.装药空间；B.空间；C.场地；D.方便。
12.爆破工作质量、爆破效果的好坏直接影响着后续采装作业的（C）与采装作业成本。
A.好坏；B.连续性；C.生产效率；D.高效性。
13.汽车运输机动灵活、（B）大，可在复杂的排岩场地作业，宜实行高台阶排土。
基于深度学习算法的风电机组叶片开裂缺陷分析
!计算机测量与控制!"#""!$#!%"!!"#$%&'()'*+%('#',&-!",&(".!#&("!#收稿日期 "#"&&"#)$!修回日期"#""#&#'%作者简介 董!礼!&*%&"&男&辽宁锦州人&博士&高级工程师&主要从事算法方向的研究%引用格式 董!礼&韩则胤&王!宁&等!基于深度学习算法的风电机组叶片开裂缺陷分析'+(!计算机测量与控制&"#""&$#!%")&("&('&&)(!文章编号 &',&()*% "#"" #%#&("#)!!-./ &#!&')"' 0!1234!&&5(,'" 67!"#""!#%!#"$!!中图分类号 89$,文献标识码 :基于深度学习算法的风电机组叶片开裂缺陷分析董!礼 韩则胤 王!宁 王恩路 苏宝定!中国广核新能源控股有限公司&北京!&#####"摘要 为实现对风电机组叶片表面缺陷检测的智能化&该研究应用无人机技术*图像视觉技术和深度学习算法&建立风电机组叶片缺陷检测系统&提高了对叶片上开裂缺陷的检测精度$系统使用S K X E O 算子计算图像横向和纵向的梯度&并对图像进行阈值分割和去噪处理$构建深度学习模型提取图像缺陷的特征信息&加入了<995^E 6网络进行卷积操作&增加了模型的输入数据尺度&得到特征图后在利用9U ^网络筛选特征图$实验结果显示该研究系统能够去除大量无用的背景信息&开裂缺陷部位的特征信息保留完整&对验证集中的图像进行测试后&该研究系统识别出的开裂缺陷数最高可达到)#个%关键词 风电机组叶片$缺陷检测$无人机技术$阈值分割$去噪处理$深度学习模型!(*0;G '3'0&=,*.@+6+"346,:O %(>6,'K .*:'K *+':",G ''$5'*(,6,8=.8"(6&1#-.^bM 4&V:^c E J 42&D:^b ^42P &D:^b>2O B &<C Q A K H 42P!F b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引言我国可供开发的风能资源大约在&#亿千瓦&为加强对风能资源的开发利用&截止到"#"#年底&全年新增风电装机超过,&##万千瓦&成为目前应用最广泛和发展最快的新能源发电技术'&(%由于风电设备大多数安装在偏远地区&风电机组的工作环境恶劣并且气候环境复杂&经常受到大风*雷电*雨雪等天气的影响&导致风电机组故障频发&对机组叶片造成损伤'"(%在对风电机组叶片缺陷检测中&文献'$(系统利用声发射技术&基于能量的等高线图判断风机叶片的损伤程度&并应用新的源定位方法对缺陷部分定位%文献'((系统通过部署大量传感器组成传感器网络&实时采集机组叶片的声信号&对叶片的实时结构健康进行监测%文献')(系统结合有限元法和反卷积分离法&利用叶片的振动信号检测风机的损伤状态&确定叶片的损伤位置%文献''(系统通过应变感应器来检测风机叶片在外界作用下产生的形变&安装在叶片表面或叶片层&间接检测风电机组的结构损伤%当前的研究中需要借助大量多种类型的传感器设备&对叶片状态进行监测&提高了系统的检测成本和复杂程度&同时传感器获得的信号容易受到环境噪声的影响&进一步影响了系统对风机叶片缺陷的分析和识别的精度%C !基于无人机图像采集的风电机组叶片缺陷检测系统!!该研究将无人机技术和图像视觉技术应用在对风机叶片的缺陷检测上&采用高分辨率的相机和无人机对风电机组叶片图像进行采集&获取到清晰且完整的叶片信息&比人工巡检的方式更具安全性和效率%采集到风机叶片的图像越清晰&包含的叶片缺陷信息更加丰富&该研究系统使用深度学习模型能够更好地提取出叶片表面开裂的缺陷特征&更加精确的定位缺陷位置',(%该研究系统使用基于!投稿网址 \\\!0S 01O J3[!1K I Copyright ©博看网. All Rights Reserved.第%期董!礼&等)""""""""""""""""""""""""""""""""""""""""""""""""""""基于深度学习算法的风电机组叶片开裂缺陷分析#&($!#.^><8:b >的`.M .W )目标检测算法&能够直接产生目标叶片缺陷的类别概率和位置坐标值&提高了对风机叶片的目标检测速度'%(%基于无人机图像采集的风电机组叶片缺陷检测系统结构如图&所示%图&!风电机组叶片缺陷检测系统结构该研究设计时&在结构上可分为采集层*数据层*服务层和应用层%通过不同层次结构实现风电机组叶片数据信息的采集*传递*计算*分析与计算%满足用户从底层风电机组叶片的运行状态开始&进行远程数据信息监控&有效地将风电机组叶片的运行状态的宏观数据信息&转换为直观的数据显示&提高了风电机组叶片缺陷检测效率%采集层利用全自主巡检模式的无人机完成风电机组叶片表面的全面覆盖图像的采集&采用低速*定点航拍的方式&在巡检过程中通过无线传输网络将采集到的叶片缺陷图像传输到系统的数据层%为防止无人机与叶片距离过近发生碰撞事故&在无人机上安装有红外激光传感器&用来探测无人机前方水平'#k &距离$#I 之内的所有物体&通过设定距离阈值保证无人机在图像采集过程中的飞行安全&当小于阈值距离时发生报警信号自动向相反方向飞行并恢复安全飞行距离'*(%在具体设计时&通过无人机携带不同的电子设备信息实现风电机组叶片缺陷的巡检采集&无人机体积小&重量轻&能够实现人力无法企及的高空场合或者高危区域%通常包括飞机平台系统*信息采集系统和地面控制系统等&能够将高空或者高危区域数据信息带回地面&实现数据远距离交互&提高了作业工作效率%数据层完成叶片缺陷图像的存储和预处理&并向应用层提供数据访问接口&数据层使用具有多个计算引擎的分布式数据库V /N >&能够兼容多种数据存储格式&并支持时间复杂程度较高的数据结构'&#(%数据层可以设置外设接口&比如远程无线通信接口*C <Q 数据接口*F :^数据总线等&通过这种方式&能够实现无人机采集数据与外设设备多种数据交互与共享&必要时&在数据局层可以设置数据管理软件&以提高风电机组叶片缺陷检测数据管理效率%应用层使用支持可视化操作的M :Q >M /=b 工具来标注图像中的缺陷信息&M :Q >M /=b 工具并且支持源码编译安装&可以直接下载系统对应打包好的文件&在-:8:4F M :<<><路径文件下定义训练好的使用类的列表&使用.9>^-/U 选择叶风电机组叶片图像的目录&在F V :^b ><:N >-/U 中自定义生成标注文件的保存位置%对图像中叶片开裂缺陷的位置进行选择&并标注损伤程度完成后对标注就信息进行保存&输出@=M 格式的标注文件%标注文件的标注信息包括图像路径*名称*图像分辨率*通道数量*缺陷坐标和损伤程度等信息%本研究设计中&可以将服务层与应用层结合起来应用&或者将应用层划分为不同的数据模块&比如具有服务功能的多种数据管理模块%比如可视化管理模块*分类管理模块*交互模块*故障处理模块等%E !叶片开裂缺陷图像的高精度检测方法在无人机自动巡检过程中&大规模风机叶片图像和视频的数据传输可能会造成网络拥堵&并且上传到系统数据层的图像或视频数据并不是完全有用的&图像过于模糊*叶片图像的有效面积过小影响系统对叶片缺陷的分析效果&同时增加了系统数据库的存储资源%该研究设计出风机叶片开裂缺陷的检测模型&对采集到的图像质量进行检测&过滤掉运动模糊和低质量的不适合作为训练数据的叶片图像'&&(%E D C !清晰度检测通常&从无人机输出的数据信息由于外界噪声的干扰&数据信息不纯净&容易使采集到的数据信息在后续计算过程中误差大&不准确程度高%针对该方法&该研究使用图像边缘锐度评价无人机采集到的叶片图像&通过S K X E O 算子计算图像梯度&采用8E 2E PR A H 梯度函数衡量图像的清晰度&通过这种方式&能够将获取的数据信息特征提取出来&在对提取的数据特征进行分析&以提高数据分析精度%为了量化采集到的宏观数据量&该研究采用了数据思维的方式&以具体化通过无人机技术采集到的叶片开裂缺陷图像数据信息%梯度计算可表示为)S .#,&#,&,"#,",&#,4567&$5S +#,&,",&###,&,",4567&$5!&"式中&S .表示图像像素横向梯度&S +表示图像像素纵向梯度&5表示图像的灰度值%通过该公式&能够计算出叶片开裂缺陷图像信息的灰度值&基于灰度值的计算结果&能够评判采集到叶片开裂!投稿网址 \\\!0S 01O J3[!1K I Copyright ©博看网. All Rights Reserved.!!计算机测量与控制!第$#""""""""""""""""""""""""""""""""""""""""""""""""""""卷#&((!#缺陷图像的精度%通过上述计算后&再计算叶片开裂缺陷图像的清晰度%计算图像的清晰度可表示为)98#&&$$%&%$!S ".!.&+"%S "+!.&+""!""式!""中&98表示清晰度评价算子&&表示叶片缺陷图像的长度&$表示叶片缺陷图像的宽度&!.&+"表示图像的像素点坐标'&"(%通过该公式&清晰度评价算子*叶片缺陷图像的长度*叶片缺陷图像的宽度等因素是影响叶片开裂缺陷图像清晰度的关键性因素&当然&在实际应用中&还会存在其他因素&出于篇幅的限制&本研究不再考虑一些非关键因素&将清晰度计算融入上述清晰度评价算子*叶片缺陷图像的长度*叶片缺陷图像的宽度等因素能够从本质上分析影响清晰度评价算子*叶片缺陷图像的长度*叶片缺陷图像精度的能力%系统通过设置合理的阈值&计算出的清晰度算子高于系统阈值时被认定为为满足叶片开裂缺陷分析的图像要求&低于阈值的图像不会保存在系统数据库%E D E !缺陷图像有效面积检测无人机采集到风电机组叶片图像的有效面积是指叶片上开裂缺陷的面积&叶片像素点在整个图像总像素点的比例大小影响缺陷检测的精度%两种不同叶片面积占比的图像如图"所示%图"!不同叶片面积占比的图像图像&中的叶片占比面积超过%#_&能够清晰地观察到叶片上的开裂缺陷&图像"的叶片占比面积不足"#_&包含的缺陷信息较少&需要进行图像分割和去噪处理%图像转换可表示为)9!*&:"##^$#3!*&:"%#^)*S !*&:"%#^&&?!*&:"!$"!!其中)9!*&:"表示转换后的灰色图像&3表示图像的红色通道&S 表示图像的绿色通道&?表示图像的蓝色通道'&$(%通过上述分析&将采集到的图像数据信息切割成小模块结构&将图像信息转换为可以矢量数据信息&提高了计算能力%通过式!$"能够将提取到的叶片开裂缺陷图像数据信息&清晰地展示叶片上的开裂缺陷%由于图像像素具有不连续的特性&因此根据像素的灰度值进行阈值分割&将叶片图像和背景分隔开&使用最大类间方差法进行阈值分割&计算初始阈值分割两组像素点的灰度值的方差&可表示为)!"#Y #Y &!*#,*&""!("式中&Y #表示叶片像素占比&Y &表示背景像素占比&*#表示叶片像素的平均灰度值&*&表示背景像素的平均灰度值'&((%通过式!("能够将采集到的叶片开裂缺陷图像数据信息中信息与背景信息分离出来&这种方法能够分析雨*雪*雾*雨等恶劣天气下的图像信息&这就提高了该研究技术应用的范围&任意恶劣天气下所采集到的图像信息都能够清楚地将采集到的重要信息分离出来%该研究在分离时&还使用方差最大的阈值进行图像分割&经过阈值分割后的风机叶片图像如图$所示%图$!阈值分割后的风机叶片图像再通过形态学图像处理去除图像中的噪点&膨胀计算和腐蚀计算可表示为)> ?#1.&+!?".+E >#83>:?#1.&+!?".+F >3!)"!!其中)>表示进行运算的图像元&?表示结构元%开运算通过先腐蚀计算再膨胀计算的方式&闭运算通过先膨胀计算再腐蚀计算的方式&去除叶片图像中的黑色噪点&将完整的叶片图像进行分离并去噪'&)(&图像的有效面积可表示为)3#\Z H 1!'"式!'"中&3为有效面积的比例&Z H 1表示图像大小&\表示叶片像素点数%当3大于)#_时&无人机采集到的风机叶片图像才能够保存到系统数据库中&上传到深度学习模型中进行计算%F !基于深度学习算法的叶片缺陷图像检测在对处理后的风电机组叶片图像的缺陷部分进行识别和检测时&传统的神经网络模型在面对大量数据时无法及时提取图像信息%本研究采用深度学习算法能够获取更深层次的数据信息&在具体计算时&该研究将处理后的风电机组叶片图像建立为原始数据集&利用深度学习模型自动提取图像缺陷的特征信息&对图像中开裂缺陷进行识别和检测%叶片缺陷图像检测过程如图(所示%为了增加深度学习网络模型的输入数据尺度&加入了<995^E 6&<995^E 6是一种可以不用考虑图像大小&输出图像固定长度网络结构&并且可以做到在图像变形情况下表现稳定%<9952E 6的效果已经在不同的数据集上面得到验证&速度上比U 5F ^^快"(!&#"倍%通过这种方法改进了网络模型能够直接进行卷积操作&对输入特征图的每个通道分别使用一个卷积核&将所有卷积核的输出再进行拼接&最终输出特征图'&'(%正常的深度网络由两部分组成&卷积部分和全连接部分&要求输入图像需要固定S 4[E 的原因并不是卷积部分而是全连接部分%所以<99层就作用在最后!投稿网址 \\\!0S 01O J3[!1K I Copyright ©博看网. All Rights Reserved.第%期董!礼&等)""""""""""""""""""""""""""""""""""""""""""""""""""""基于深度学习算法的风电机组叶片开裂缺陷分析#&()!#图(!叶片缺陷图像检测过程一层卷积之后&<99层的输出就是固定大小%首先将风机叶片图像输出到深度学习网络模型&通过对图像的五层卷积操作得到特征图后在利用9U ^网络筛选特征图&该方法专门用来提取候选框&在U F ^^和Z A S 6U F ^^等物体检测架构中&用来提取候选框的方法通常是<E O E 164W E<E A R 1G %然后利用特征图进行矩形框回归%网络模型的分割损失具体表示为)K I A S 3#%++O K P !&,M +"%!&,+"O K P !&,M +"!,"!!其中)+表示叶片图像二值化的结果&图像的二值化处理就是将图像上的点的灰度值为#或"))&也就是将整个图像呈现出明显的黑白效果%即将")'个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像%M +表示图像预测结果'&,(%K I A S 3使深度学习网络能够输出图像的每一个类&并在每个像素点上应用激活函数计算像素的交叉熵值得到分割损失%在卷积过程中&每个风电机组叶片图像对应的特征图空间位置中的每个点进行一次卷积操作&深度可分离卷积可表示为)A A B #B 4H B 4H Z H B -H B -%Z H 1H B -H B -!%"式中&B 4表示单个卷积核尺寸&Z 表示卷积核数量&Z H B -H B -表示输入特征图的尺寸&1H B -H B -表示输出特征图的尺寸%模型中卷积层输入向量为9#1.&&."&.$&2&.*3&输入向量:*的高度为T **宽度为Y **通道数为$*&卷积层由1个三维滤波器9*组成'&%(&卷积层的运算量高达$*$*%&4"T *Y *%卷积层输入的向量为;#1+&&+"&+$&2&+*3&输出向量的的高度为T *%&*宽度为Y *%&*通道数为$*%&%经过多层卷积后输出结果&图像中的开裂缺陷能够精准被检测到&优化了的叶片损伤检测错检*相邻损伤遮挡检测效果不佳的问题&并且取得了较好的检测效果'&*"&(%M !应用测试M D C !搭建实验环境该研究在D 42H K \S &#操作系统上搭建实验仿真环境&采用a >U :<和8E 2S K R Z O K \实验框架&系统客户端使用的处理器为/26E O !U "F K R E !8="4,5%,)#V &显卡为^N /-/:b E Z K R 1E b 8@&#%#%在实验平台中安装:^:5F .^-:环境管理器&集成了常用的9J 6G K 2*F K 2H A *^B I 7J 等函数库&能够更好地管理开发环境&搭建深度学习网络模型'"&""(%M D E !实验数据准备该研究实验的数据来源为某风力发电厂无人机巡检拍摄到的部分风机叶片图像&风机叶片表面具有常见的开裂*腐蚀*涂层脱落等缺陷类型&总共有$&)"'张图像%由于采集到的部分图像的背景信息较为复杂&有些图像中不包含缺陷部分&需要对图像进行筛选并删去无关信息&从大量图像中挑选出"###张缺陷特征明显&有效面积超过$#_的图像作为实验的原始数据集%原始数据集参数如表&所示%表&!原始数据集参数类型参数数量"###图像分辨率&"%#$*'#数据集大小"(%&=Q 位深&'X 46颜色数")'通过F R E A 6E 9K O J PK 2S 对叶片图像绘制标注框&标注对应的缺陷类型&将图像和标准信息共同保存未0S K 2文件&将所有的样本图像存储在实验文件夹下%叶片图像缺陷标注界面如图)所示%图)!叶片图像缺陷标注界面M D F !实验测试为验证该研究系统的性能&分别使用文献'$(系统*文献'((系统和该研究系统进行实验%从原始数据集中随机选取一张风电机组叶片图像&经过缺陷标注后作为实验测试图像&实验测试图像如图'所示%实验测试图像中存在较多的背景信息&为增强模型对图像的识别精度&使用$种系统对实验测试图像进行处理&!投稿网址 \\\!0S 01O J3[!1K I Copyright ©博看网. All Rights Reserved.!!计算机测量与控制!第$#""""""""""""""""""""""""""""""""""""""""""""""""""""卷#&('!#图'!实验测试图像得到图像增强后的实验图像如图,所示%图,!处理后的实验图像文献'$(系统处理后的实验测试图像去除了大部分背景信息&通过明暗反转的方式增强了风电机组叶片上开裂缺陷的特征&但图像增强后的画面对比度过高&失去了叶片表面其他部分的细节信息&仍可能存在较小的缺陷尚未被发现%文献'((系统处理后的图像保留了叶片的全部信息&叶片画面的对比度明显增加&但黑色背景图像和白色叶片图像中可能存在噪点&图像的亮度过高导致部分缺陷特征细节丢失'"""$(%该研究系统去除了叶片图像的全部背景信息&并对图像进行阈值分割和校正&得到了更加明显的开裂缺陷特征&并保证了叶片图像的明暗变化&根据图像的像素灰度值变化获取叶片轮廓&并过滤掉了大部分噪声&对图像的处理效果更好&提高了后续缺陷检测的精度'"(")(%对原始数据集中的叶片图像标记完成后&/I A P E S E 6S 文件夹中有"##张叶片缺陷图像&其中包含开裂缺陷*磨损缺陷*脱落缺陷*雷击缺陷和多类别损失缺陷&将数据分为训练集*测试集和验证集&使用训练集中的数据对深度学习网络模型进行训练%使用训练好的模型进行开裂缺陷识别测试&文献'$(系统和文献'$(系统进行对比&将验证集中的图像分为'组&识别验证集中的开裂缺陷图像数量如图%所示%对验证集中每一组实验图像进行测试后&该研究系统识别出开裂缺陷图像的数量最多&深度学习网络模型的缺陷检测效果最好&其中识别到第四组的开裂缺陷数量高达)#个&第六组的开裂缺陷数为"(个%文献'$(系统检测到第一组的图像的叶片开裂缺陷数最多&最高达到(#个&第二组和第六组识别到的缺陷数量低至"#个%文献'((系统检测到开裂缺陷数量最高为$)个&识别到第六组图像的缺陷数量最少为&%个%文献'$(系统和文献'((系统的对叶片图像中缺陷的识别精度较图%!识别到开裂缺陷图像数量低&不能较好地提取出图像的缺陷特征&受到图像质量*亮度和对比度的影响较大&图像过亮或过暗导致叶片缺陷处的信息较少&造成系统对叶片缺陷识别效果不好%R !结束语该研究设计出风电机组叶片缺陷检测系统&使用无人机完成风电机组叶片图像的采集任务&采用深度学习算法对叶片图像进行缺陷检测分析&并在图像上标注开裂缺陷位置%该研究的创新点在于)&"对无人机采集到的叶片缺陷图像进行高精度检测&采用8E 2E P R A H 梯度函数计算图像的清晰度评价算子&对叶片占比较小的图像进行灰度化处理&使用最大类间差法进行阈值分割再计算有效面积%""建立深度学习网络模型&使系统自动提取图像的缺陷特征&引入了<995^E 6网络直接进行卷积再进行特征映射&加快了图像数据处理速度&提高了模型的检测效率%该研究仍存在一些不足之处还需进一步改进&系统仅对风机叶片的开裂缺陷进行检测&在后续研究中考虑增加系统的风机叶片缺陷数据集&对叶片上的更多类型的缺陷进行检测%参考文献'&(张成旭!风电叶片芯材蒙皮微裂纹产生原因及缺陷的消除'+(!天津科技&"#"&&(%!&#"))*'#&'$!'"(蒋!菲&赵朝友&张素慧!基于F >>=-:^能量熵和<N=的风电叶片缺陷检测'+(!无损检测&"#"&&($!'")$'(#!'$(董!健&柳亦兵&滕!伟&等!基于Q 94:H A X K K S 6算法的风电机组叶片结冰检测'+(!可再生能源&"#"&&$*!)")'$"'$'!'((海!涛&范!恒&王楷杰&等!基于9<.5<N=算法的风电机组结冰故障诊断'+(!智慧电力&"#"&&(*!(")&'&,(!')(马宝琰&汤!磊&赵!晶&等!风电叶片图像直线特征检测与拼接方法'+(!哈尔滨理工大学学报&"#"#&")!)")%$*"!''(傅天航&刘松平&刘菲菲&等!复合材料桨叶无损检测技术研究进展'+(!工程塑料应用&"#"#&(%!&#")&'"&''&&,&!',(王雪平&张建斐&李万润&等!基于机器视觉的风电叶片风沙侵蚀程度检测方法研究'+(!太阳能学报&"#"#&(&!)")&''&,$!!下转第&)(页"!投稿网址 \\\!0S 01O J3[!1K I Copyright ©博看网. All Rights Reserved.。
东北大学采矿工程采矿学专业课2010真题
东北大学采矿工程采矿学专业课2010真题第一篇：东北大学采矿工程采矿学专业课2010真题东北大学采矿工程采矿学专业课（回忆版）1：露天采矿的工艺之间彼此的联系2：露天采矿的发展趋势及炸药使用。
3：露天开采境界的确定4：回采率废石混入率贫化率技术5：露天开采第一章很多填空题，都是很琐碎的小知识点6：留矿法的使用条件和优缺点7：采矿方法的选择（上向充填和崩落法）8：采准系数定义和含义9：开拓方法的选择（选择）10：地下开采的步骤11：崩落法区别其他方法的特点：12：开拓方案（露天的地才都有）别的忘记了，这些就有130分了！第二篇：2011专业课真题网络版新闻与传播学史试题一、名词解释 8*4=321.《总汇报》2.《国内外公共事件》3.《横滨每日新闻》4.日本广播协会二、问答题10*4=401、简述国民党中央通讯社的建立，以及1932年肖同兹担任社长后对其的改组以及意义2、叙述古代报纸的三种类型，简单论述古代报纸的意义3、简述日本明治维新之后大众化报刊的兴起4、简述新民民主主义到社会主义的过渡时期我国广播事业的特点三、论述题15*2=301、2、列举近代或者现代新闻史上两位记者，简述他们对于新闻业务方面的贡献以及他们的新闻思想并简单评价四、综合题 48分1、20世纪80年代我国广播出现了经济台热，叙述这种现象以及各种管理模式。
谈谈经济台热产生的原因。
并且说明经济台与综合台的工作有什么区别？新闻与传播理论试题一、名词解释（顺序有出入）1、媒介接近权2、电视竞选3、内容分析法4、拉斯维尔5、宣传价值二、简答题1、我国进行舆论监督的原则是什么？2、简述我国古代新闻活动的特点3、谈谈大众传播媒介的公共性和公益性4、简述文化研究学派的主要代表人物和观点三、论述题1、结合我国实际，谈谈我国社会主义国家新闻自由思想2、从人类社会媒介发展过程来看，谈谈媒介形态变化的规律和趋势四。
材料题给了一段CNC的材料就是新华社要建成一个结合了电视网络等要进行全球传播说要打造中国的CNN1、说说打造CNC的背景是什么？2、说说CNC的建成对于我国对外宣传有何积极意义？3、为了更好的发挥能力，CNC除了做好对外宣传之外，还要做些什么工作？第三篇：公共事业管理专业课真题2010年山东省专升本考试公共事业管理专业课真题综合一管理学原理一、名词解释1、控制2、德尔菲法3、霍桑实验二、简答1、组织部门化设计的原则2、影响组织集权分权的因素3、简述非正式组织的积极作用4、权变理论的内容5、影响决策的因素三、论述题论述管理的几大原理管理心理学一、名词解释1、霍桑效应,2、个性3、气质4、心境二、简答1、简述时间管理法2、人际关系对组织管理的作用三、论述题论述目标冲突的管理方法四、案例分析（关于组织文化）综合二人力资源管理一、名词解释1、外部招聘2、无领导小组3、工作分析4、360绩效考核5、薪酬调查二、简答1、简述现代人力资源管理与传统人事管理的区别2、内部招聘的优势3、培训工作的意义4、如何保留企业的核心员工5、怎样制定可以被员工接受的薪酬政策三、论述题论述绩效评估的作用公共关系学一、名词解释1、公关策划2、国际公关3、公关广告二、简答题1、公共关系对社会的作用2、组织应怎样建立良好的社区关系3、简述公关调研的方法三、论述题公关从业人员应具备的素质四、案例分析关于内部公众，合理化建议制度等第四篇：2012年东北大学工商管理学院物流工程专业课真题回忆版怀着一颗感恩的心来分享此文，希望更多的人能实现自己的梦想！今年机缘巧合的我报考了东北大学的物流工程，当时没想太多，然而等准备起来找资料的时候却遇到了从未遇到过多的困难，首先东大物流工程从09年开始招生，之前从没有考上过的，他们大多是要么调剂的要么是保送的，没有更多可以参考的经验和资料，真题更是没有！其次东大一般不公布近三年的真题。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
学习中心：院校学号：姓名
东北大学继续教育学院
采矿学(下)试卷（作业考核线下）B 卷（共 4 页）
注：请您单面打印，使用黑色或蓝色笔，手写完成作业。
杜绝打印，抄袭作业。
一、填空（每空1分，共20分）
1．（自然资源）是人类可以直接或间接利用的存在于自然界的（物质）或（环境）。
2. 用于（矿体圈定）与矿量、（品位估算）的数据主要来源于探矿钻孔的岩芯取样。
3.圈定开采储量的三维几何体称为（最终开采境界），它是预计在矿山开采结束时的采场大小和形状。
4.金属矿床露天开采一般要经过以下四道生产工序：（穿孔）、（爆破）、（铲装及运输）和（排岩），以上各工序环节相互衔接、相互影响、相互制约，共同构成了露天开采的最基本生产周期。
5.露天矿床开拓是指建立地面与露天矿场内各水平以及各工作水平之间的矿岩运输通课程名称: 采矿学(下) 1。