De acordo com pt.wedoany.com-A equipe de pesquisa do Professor Hu Qingsong, da Universidade de Mineração da China, publicou em junho de 2026, na 4ª edição da revista "Automação de Minas Industriais", um artigo propondo um esquema inovador de percepção que integra posicionamento por banda ultralarga (UWB) e tecnologia de nuvem de pontos LiDAR. Por meio da rede de detecção UWB-PU-VGAT, a precisão de detecção de vagões de mineração em veículos autônomos subterrâneos atinge 90,23%, com uma taxa de quadros de até 32,3 quadros por segundo, melhorando significativamente a segurança e a capacidade de resposta em tempo real da condução autônoma em minas, fornecendo suporte de tecnologia-chave para a construção de minas inteligentes.
Diante dos desafios da indústria, como condições de iluminação adversas devido à escuridão e poeira nos túneis subterrâneos, baixa proporção de alvos efetivos e esparsidade de nuvens de pontos em longas distâncias, a equipe partiu da base algorítmica e desenvolveu com sucesso uma rede de atenção gráfica voxelizada aprimorada. Essa rede, por meio de módulos de aprimoramento e compensação de características, explora profundamente as relações espaciais internas da nuvem de pontos e, combinando o mecanismo de atenção gráfica com a otimização da função de perda Focal Loss, resolve efetivamente os problemas crônicos de desequilíbrio severo entre amostras positivas e negativas e altos erros de detecção em longas distâncias. Em testes utilizando apenas LiDAR, a precisão média de detecção da rede VGAT para vagões de mineração e mineiros atingiu 83,17% e 78,54%, respectivamente, superando vários algoritmos convencionais em precisão geral.
Para superar ainda mais o desafio da identificação em longas distâncias, a equipe utilizou habilmente o sistema de posicionamento UWB já amplamente implantado nas minas. O sistema utiliza a posição em tempo real fornecida pelo UWB como informação prévia, delimita a área alvo e corta automaticamente a nuvem de pontos LiDAR para filtrar dados de fundo inválidos, reduzindo significativamente o escopo de reconhecimento e a carga computacional. Simultaneamente, para resolver o problema da esparsidade da nuvem de pontos em longas distâncias, a rede incorpora a tecnologia de upsampling de nuvem de pontos (Grad-PU), que pode realizar uma reconstrução de complementação 4x em nuvens de pontos incompletas a 30 metros de distância, transformando nuvens de pontos esparsas em nuvens de pontos densas e completas, permitindo que mineiros e vagões distantes sejam claramente "visíveis".
A tecnologia foi testada em campo na Mina de Ferro Wuzhuang, do Grupo de Ferro de Xuzhou. Como uma mina subterrânea com produção anual de 500.000 toneladas de minério de ferro, a Mina Wuzhuang tem promovido continuamente a transformação inteligente de "substituição de mão de obra por mecanização e redução de pessoal por automação" nos últimos anos. Os dados de teste mostram que a precisão média de detecção da rede UWB-PU-VGAT para vagões de mineração é de 90,23%, e para mineiros é de 83,67%, um aumento de 6,09% em comparação com a rede base. Sua taxa de quadros atinge 32,3 quadros por segundo, superando amplamente o requisito de tempo real de 10 a 30 quadros por segundo para condução autônoma em minas, podendo se adaptar flexivelmente a vários formatos de túneis, como retos, bifurcações e curvas, e manter a identificação estável de alvos sob condições de oclusão parcial.
O Professor Hu Qingsong é orientador de doutorado na Universidade de Mineração da China, dedicado há muito tempo à pesquisa de tecnologias centrais no campo da inteligência de minas, como posicionamento preciso, comunicação veicular e percepção multimodal, e lidera projetos do Fundo Nacional de Ciências Naturais da China. O surgimento dos resultados tecnológicos desta equipe promete fornecer novas soluções para os problemas persistentes de percepção ambiental no campo da condução autônoma subterrânea.
Este texto foi elaborado por Wedoany. Qualquer citação por IA deve indicar a fonte “Wedoany”. Em caso de infração ou outros problemas, informe-nos prontamente, por favor. O conteúdo será corrigido ou removido. E-mail: news@wedoany.com
