本申请涉及矿山开采技术领域，特别是涉及一种矿岩分界线计算方法、装置及设备。
背景技术：
露天金属矿山开采过程中，爆破作为最主要的技术手段之一，由于受到矿体的赋存形态的影响，爆破后在矿石和岩石交界处很难形成清晰的界限，不利于后期的铲装运输，不同程度的造成矿石的损失贫化，降低矿山开采的综合经济效益。
目前针对这种情况一般是采用人工重新勘探爆破后的矿岩分界线，但是人工勘探的方式比较浪费人力资源和时间。
技术实现要素：
有鉴于此，本申请提供了一种矿岩分界线计算方法、装置及设备。主要目的在于解决目前人工勘探矿岩分界线速率较慢，误差较大，费时费钱费人力的技术问题。
基于上述技术问题，本发明的第一方面提出了一种矿岩分界线计算方法，所述方法的步骤包括：
接收勘探设备发送的待爆破矿山的实地数据，其中，所述实地数据包括：矿岩初始分界线以及所述矿岩初始分界线的地质信息；
将实地数据输入至测量孔布置神经模型进行处理，所述测量孔布置神经模型输出测量孔布置数据，其中，利用成功开采矿山的历史实地数据作为训练样本，对神经网络系统进行学习训练得到所述测量孔布置神经模型；
根据所述测量孔布置数据进行绘图，得到测量孔布置图并进行显示；
控制打孔设备根据所述测量孔布置图打测量孔，并在测量孔中放置测量球；
接收矿山爆破完成命令后，获取测量球的地理位置，根据所述测量球的地理位置绘制新的矿岩分界线。
进一步地，在将实地数据输入至测量孔布置神经模型进行处理，所述测量孔布置神经模型输出测量孔布置数据之前，所述方法还包括：
构建神经网络系统；
从数据库中调取预定数量的成功开采矿山的历史实地数据以及测量孔历史布置数据；
将历史实地数据输入至所述神经网络系统，经过各层的神经元处理之后输出待纠正的测量孔布置数据；
将所述待纠正的测量孔布置数据与对应的测量孔历史布置数据进行比对，若相同，则将下一组历史实地数据输入至神经网络系统进行处理，若不同，则对神经网络系统的各层参数进行调整，直至神经网络系统输出的待纠正的测量孔布置数据与对应的测量孔历史布置数据相同；
所述神经网络系统对所有历史实地数据全部处理完成后，得到测量孔布置神经模型。
进一步地，所述构建神经网络系统，具体包括：
为所述神经网络系统构建输入层，在所述输入层设置第一输入口和第二输入口；
为所述神经网络系统构建第一隐藏层和第二隐藏层；
为所述神经网络系统构建输出层，在所述输出层设置n个输出口，其中，所述输出口的数量n与测量孔历史布置数据中最多的参数数量相等。
进一步地，历史实地数据包括：历史矿岩初始分界线和历史地质信息历史实地数据；
则所述将历史实地数据输入至所述神经网络系统，经过各层的神经元处理之后输出待纠正的测量孔布置数据，具体包括：
将历史矿岩初始分界线从所述第一输入口输入，所述历史地质信息从所述第二输入口输入；
所述第一输入口将接收的所述历史矿岩初始分界线发送至所述第一隐藏层，所述第一隐藏层根据所述历史矿岩初始分界线生成第一测量孔布置数据，将所述第一测量孔布置数据发送至输出层；
所述第二输入口将接收的所述历史地质信息发送至所述第二隐藏层，所述第二隐藏层根据所述历史地质信息生成第二测量孔布置数据，将所述第二测量孔布置数据发送至输出层；
所述输出层将接收的所述第一测量孔布置数据和所述第二测量孔布置数据进行叠加重合，形成待纠正的测量孔布置数据，将所述待纠正的测量孔布置数据中的每个参数从对应输出口输出。
进一步地，所述控制打孔设备根据所述测量孔布置图打测量孔，并在测量孔中放置测量球，具体包括：
获取测量孔布置图中测量孔的位置信息，将所述测量孔的位置信息发送至打孔设备；
控制所述打孔设备根据所述测量孔的位置信息打测量孔；
测量孔打造完成后，所述打孔设备将携带的测量球在所述测量孔中按照上、中、下三部分进行放置，所述测量孔的空余位置用岩粉填满。
进一步地，控制所述打孔设备根据所述测量孔的位置信息打测量孔，具体包括：
接收爆破设备发送的爆破孔深度h；
控制所述打孔设备根据所述测量孔的位置信息打深度为h、孔径为j的测量孔。
进一步地，所述接收矿山爆破完成命令后，获取测量球的地理位置，根据所述测量球的地理位置绘制新的矿岩分界线，具体包括：
接收矿山爆破完成命令后，获取设置在测量球内的gps信号；
根据所述gps信号确定测量球的地理位置；
调取矿山的地图数据，将测量球的地理位置在所述矿山的地图数据中进行标记对应的标记点；
将所述标记点连接成线作为新的矿岩分界线。
本发明的第二方面提出了一种矿岩分界线计算装置，包括：接收模块、处理模块、绘图模块和控制模块依次连接；
所述接收模块，用于接收勘探设备发送的待爆破矿山的实地数据，其中，所述实地数据包括：矿岩初始分界线以及所述矿岩初始分界线的地质信息；
所述处理模块，用于将实地数据输入至测量孔布置神经模型进行处理，所述测量孔布置神经模型输出测量孔布置数据，其中，利用成功开采矿山的历史实地数据作为训练样本，对神经网络系统进行学习训练得到所述测量孔布置神经模型；
所述绘图模块，用于根据所述测量孔布置数据进行绘图，得到测量孔布置图并进行显示；
所述控制模块，用于控制打孔设备根据所述测量孔布置图打测量孔，并在测量孔中放置测量球；
所述接收模块，还用于接收矿山爆破完成命令后，获取测量球的地理位置，根据所述测量球的地理位置绘制新的矿岩分界线。
进一步地，装置还包括：
系统构建模块，用于构建神经网络系统；
调取模块，用于从数据库中调取预定数量的成功开采矿山的历史实地数据以及测量孔历史布置数据；
所述处理模块，还用于将历史实地数据输入至所述神经网络系统，经过各层的神经元处理之后输出待纠正的测量孔布置数据；
训练模块，用于将所述待纠正的测量孔布置数据与对应的测量孔历史布置数据进行比对，若相同，则将下一组历史实地数据输入至神经网络系统进行处理，若不同，则对神经网络系统的各层参数进行调整，直至神经网络系统输出的待纠正的测量孔布置数据与对应的测量孔历史布置数据相同；
模型生成模块，用于所述神经网络系统对所有历史实地数据全部处理完成后，得到测量孔布置神经模型。
进一步地，所述系统构建模块，具体包括：
输入层构建单元，用于为所述神经网络系统构建输入层，在所述输入层设置第一输入口和第二输入口；
隐藏层构建单元，用于为所述神经网络系统构建第一隐藏层和第二隐藏层；
输出层构建单元，用于为所述神经网络系统构建输出层，在所述输出层设置n个输出口，其中，所述输出口的数量n与测量孔历史布置数据中最多的参数数量相等。
进一步地，历史实地数据包括：历史矿岩初始分界线和历史地质信息历史实地数据；
则所述处理模块具体包括：
输入单元，用于将历史矿岩初始分界线从所述第一输入口输入，所述历史地质信息从所述第二输入口输入；
隐藏层处理单元，用于所述第一输入口将接收的所述历史矿岩初始分界线发送至所述第一隐藏层，所述第一隐藏层根据所述历史矿岩初始分界线生成第一测量孔布置数据，将所述第一测量孔布置数据发送至输出层；所述第二输入口将接收的所述历史地质信息发送至所述第二隐藏层，所述第二隐藏层根据所述历史地质信息生成第二测量孔布置数据，将所述第二测量孔布置数据发送至输出层；
输出单元，用于所述输出层将接收的所述第一测量孔布置数据和所述第二测量孔布置数据进行叠加重合，形成待纠正的测量孔布置数据，将所述待纠正的测量孔布置数据中的每个参数从对应输出口输出。
进一步地，所述控制模块具体包括：
位置获取单元，用于获取测量孔布置图中测量孔的位置信息，将所述测量孔的位置信息发送至打孔设备；
控制单元，用于控制所述打孔设备根据所述测量孔的位置信息打测量孔；测量孔打造完成后，所述打孔设备将携带的测量球在所述测量孔中按照上、中、下三部分进行放置，所述测量孔的空余位置用岩粉填满。
进一步地，所述控制单元，还用于接收爆破设备发送的爆破孔深度h；控制所述打孔设备根据所述测量孔的位置信息打深度为h、孔径为j的测量孔。
进一步地，所述接收模块具体包括：
获取单元，用于接收矿山爆破完成命令后，获取设置在测量球内的gps信号；
位置确定单元，用于根据所述gps信号确定测量球的地理位置；
标记单元，用于调取矿山的地图数据，将测量球的地理位置在所述矿山的地图数据中进行标记对应的标记点；
连线单元，用于将所述标记点连接成线作为新的矿岩分界线。
依据本申请的第三方面，提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面所述的矿岩分界线计算方法的步骤。
依据本申请的第四方面，提供了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的矿岩分界线计算方法的步骤。
借由上述技术方案，本申请提供的一种矿岩分界线计算方法、装置及设备，预先利用成功开采矿山的历史实地数据作为训练样本，对神经网络系统进行学习训练得到测量孔布置神经模型，直接将勘探设备勘探的实地数据输入该测量孔布置神经模型处理，得到测量孔布置数据，根据测量孔布置数据中的每个测量孔的位置参数绘制测量孔布置图，利用打孔设备根据测量孔布置图进行打孔并布置测量球。无需利用人工根据实地检测的地质情况确定各个测量孔的位置以及间距，节省人力。当矿山爆破完成后，各个测量球的位置会随着矿岩分界线的变化而发生变化，直接根据测量球的位置就可以获知新的矿岩分界线。这样，利于矿石的铲装运输，降低矿石损失贫化率，整个过程无需人工参与，减小了人工检测的误差，节省人力的同时，还能提高工作效率。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本申请的矿岩分界线计算方法的的流程图；
图2为本申请的测量孔布置示意图；
图3为本申请的测量孔内部布置示意图；
图4为本申请的测量球内部电路示意框图；
图5为本申请的接收装置的内部电路示意框图；
图6为本申请的矿岩分界线计算装置的结构框图；
图7为本申请的计算机设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
如图1所示，本申请的一个实施例提供了一种矿岩分界线计算方法，包括如下步骤：
步骤101，接收勘探设备发送的待爆破矿山的实地数据，其中，实地数据包括：矿岩初始分界线以及矿岩初始分界线的地质信息。
在该步骤中，矿岩初始分界线是利用勘探设备勘探的矿石与岩石的分界处，以及该分界处的地质信息(例如，密度、矿石深度、矿石厚度等)。
步骤102，将实地数据输入至测量孔布置神经模型进行处理，测量孔布置神经模型输出测量孔布置数据，其中，利用成功开采矿山的历史实地数据作为训练样本，对神经网络系统进行学习训练得到测量孔布置神经模型。
在该步骤中，神经网络系统具有自我学习训练的功能，能够不断的对自身进行完善，使得训练得到的测量孔布置神经模型能够根据各种矿山的实地数据，确定相应的测量孔布置数据。并且该测量孔布置神经模型可以不断的进行学习，完善自己的处理精度，使得得到的测量孔布置数据更加准确。
步骤103，根据测量孔布置数据进行绘图，得到测量孔布置图并进行显示。
在该步骤中，测量孔布置数据中包括：测量孔的位置、测量孔的数量、测量孔的深度、相邻测量孔之间的距离等。根据这些信息进行绘图后就可以得到测量孔布置图，这样方便用户查看，以及打孔设备的参考。
步骤104，控制打孔设备根据测量孔布置图打测量孔，并在测量孔中放置测量球。
在该步骤中，将得到的测量孔布置图发送至打孔设备，所述打孔设备上安装有gps装置，打孔设备可以利用gps装置根据测量孔布置图，对各个测量孔进行定位，并在对应位置打相应深度的测量孔。并且打孔设备上携带有测量球，在打测量孔的同时，将测量球放置在测量孔的内部。
步骤105，接收矿山爆破完成命令后，获取测量球的地理位置，根据测量球的地理位置绘制新的矿岩分界线。
在该步骤中，矿山完成爆破后，用户会触发爆破完成按键，发送矿山爆破完成命令，然后就获取各个测量球的地理位置，此时测量球的位置就是爆破后矿岩分界线变化后的位置。将相邻测量球的地理位置连接成线形成新的矿岩分界线。
通过上述方案，预先利用成功开采矿山的历史实地数据作为训练样本，对神经网络系统进行学习训练得到测量孔布置神经模型，直接将勘探设备勘探的实地数据输入该测量孔布置神经模型处理，得到测量孔布置数据，根据测量孔布置数据中的每个测量孔的位置参数绘制测量孔布置图，利用打孔设备根据测量孔布置图进行打孔并布置测量球。无需利用人工根据实地检测的地质情况确定各个测量孔的位置以及间距，节省人力。当矿山爆破完成后，各个测量球的位置会随着矿岩分界线的变化而发生变化，直接根据测量球的位置就可以获知新的矿岩分界线。这样，利于矿石的铲装运输，降低矿石损失贫化率，整个过程无需人工参与，减小了人工检测的误差，节省人力的同时，还能提高工作效率。
在具体实施例中，在步骤102之前，方法还包括：
步骤1021，构建神经网络系统。
步骤1022，从数据库中调取预定数量的成功开采矿山的历史实地数据以及测量孔历史布置数据。
在该步骤中，用于预先将获知的各个矿山开采时，对应的历史实地数据，以及对应的打造测量孔用到的测量孔历史数据(例如，测量孔的位置、测量孔的数量、测量孔的深度、相邻测量孔之间的距离等)存储数据库中，具体存储的预定数量根据用户的需要进行选定。以便在对神经网络系统进行训练时，能够直接从数据库中调取。
步骤1023，将历史实地数据输入至神经网络系统，经过各层的神经元处理之后输出待纠正的测量孔布置数据。
在该步骤中，先对历史实地数据进行数据转换，转换成计算机语言，然后再输入至神经网络系统处理。神经网络经过隐藏层处理之后得到的数据比较零散，需要利用输出层进行整理，并将整理后的计算机数据，转换成文字数据后作为待纠正的测量孔布置数据输出。
步骤1024，将待纠正的测量孔布置数据与对应的测量孔历史布置数据进行比对，若相同，则将下一组历史实地数据输入至神经网络系统进行处理，若不同，则对神经网络系统的各层参数进行调整，直至神经网络系统输出的待纠正的测量孔布置数据与对应的测量孔历史布置数据相同。
在该步骤中，各个历史实地数据依次输入神经网络系统按照上述步骤1023和1024进行反复学习训练，以不断提高神经网络系统对矿山实地数据的处理精度。
步骤1025，神经网络系统对所有历史实地数据全部处理完成后，得到测量孔布置神经模型。
在该步骤中，经过对预定数量的历史实地数据的学习训练，得到的神经网络系统即为测量孔布置神经模型，这样就可以直接利用该测量孔布置神经模型对矿山的实地数据进行布置处理，确定出测量孔的布置数据。
另外，得到的测量孔布置神经模型还可以一边工作一边进行学习，如果经过测量孔布置神经模型得到的测量孔布置数据不够准确，用户可以自行修改，并利用修改后的数据按照上述过程对测量孔布置神经模型进行再次训练，使得测量孔布置神经模型的准确率得到提高。
在具体实施例中，步骤1021具体包括：
步骤10211，为神经网络系统构建输入层，在输入层设置第一输入口和第二输入口。
步骤10212，为神经网络系统构建第一隐藏层和第二隐藏层。
步骤10213，为神经网络系统构建输出层，在输出层设置n个输出口，其中，输出口的数量n与测量孔历史布置数据中最多的参数数量相等。
在上述方案中，该神经网络系统是由输入层、隐藏层和输出层构成的，每一层都是由多个神经元构成，各层的功能均不相同，输入层是用来输入数据，隐藏层用来对数据进行处理，输出层用来接收隐藏层的处理结果，整理后从各个输出口输出。
通过上述方案，使得构建的神经网络系统，能够专门针对矿山的实地数据进行相应的处理，降低学习训练过程中各层参数的调整工作量。
在具体实施例中，历史实地数据包括：历史矿岩初始分界线和历史地质信息历史实地数据；
则步骤1023具体包括：
步骤10231，将历史矿岩初始分界线从第一输入口输入，历史地质信息从第二输入口输入。
步骤10232，第一输入口将接收的历史矿岩初始分界线发送至第一隐藏层，第一隐藏层根据历史矿岩初始分界线生成第一测量孔布置数据，将第一测量孔布置数据发送至输出层。
步骤10233，第二输入口将接收的历史地质信息发送至第二隐藏层，第二隐藏层根据历史地质信息生成第二测量孔布置数据，将第二测量孔布置数据发送至输出层。
步骤10234，输出层将接收的第一测量孔布置数据和第二测量孔布置数据进行叠加重合，形成待纠正的测量孔布置数据，将待纠正的测量孔布置数据中的每个参数从对应输出口输出。
在上述方案中，若得到的待纠正的测量孔布置数据中的参数数量m＞n，则，在输出层添加m-n个输出口，以便待纠正的测量孔布置数据中的所有参数能够正常输出。
在具体实施例中，步骤104具体包括：
步骤1041，获取测量孔布置图中测量孔的位置信息，将测量孔的位置信息发送至打孔设备。
步骤1042，控制打孔设备根据测量孔的位置信息打测量孔。
步骤1043，测量孔打造完成后，打孔设备将携带的测量球在测量孔中按照上、中、下三部分进行放置，测量孔的空余位置用岩粉填满。
通过上述方案，打孔设备按照测量孔布置图进行打孔，并且在每个测量孔中上、中、下三部分放置测量球，每部分至少放置一个测量球，具体放置数量可根据测量孔的高度进行分配，剩余部分用岩粉填满。爆破完成后，测量球随着矿岩分界线进行移动，这样，就可以根据测量球的位置获知新的的矿岩分界线。
在具体实施例中，步骤1042具体包括：
接收爆破设备发送的爆破孔深度h；控制打孔设备根据测量孔的位置信息打深度为h、孔径为j的测量孔。
通过上述方案，爆破设备会将爆破前设置在矿岩分界线附近的爆破孔深度h发送至计算机控制系统中，计算机控制系统就会控制打孔设备打造与该测量孔附近的爆破孔同等深度的测量孔。并且，将测量孔的孔径设置为j，能够方便在测量孔内放置直径小于j的测量球。
在具体实施例中，步骤105具体包括：
步骤1051，接收矿山爆破完成命令后，获取设置在测量球内的gps信号。
步骤1052，根据gps信号确定测量球的地理位置。
步骤1053，调取矿山的地图数据，将测量球的地理位置在矿山的地图数据中进行标记对应的标记点。
步骤1054，将标记点连接成线作为新的矿岩分界线。
通过上述方案，在测量球内部设置gps设备，这样可以直接根据测量球内gps设备发出的gps信号确定测量球的位置，进而绘制新的矿岩分界线，这样无需人工再进行测量球的位置勘探，使用方便快捷。
在本申请的另一个实施例中，提出了一种矿岩分界线计算方法，具体步骤包括：
(1)在拟爆破区域根据地质勘探图，确定矿岩分界线，在分界线上打测量孔若干个，深度和爆破孔相同，孔径165mm。如图2。
(2)将测量定位球电源打开，在测量孔中分上、中、下三部分将测量球放置，其他部位用岩粉填塞，如图3。
(3)爆破完成后，用手持机在爆堆上寻找测量球，并确定其位置。
(4)如图4所示，测量球内的无线发射模块将位置信息发送至如图5所示的接收装置，接收装置内的接收模块接收位置信息后，利用gps定位模块对测量球进行定位，然后根据测量球的位置，确定矿岩上部、中部、下部的移动界线，确定最终的矿岩分界线。
主要解决矿石和岩石在爆破后最终边界问题，通过上述方案确定最终的分界线，利于矿石的铲装运输，降低矿石损失贫化率。
进一步地，作为图1方法的具体实现，本申请实施例提供了一种矿岩分界线计算装置，如图6所示，包括：接收模块、处理模块、绘图模块和控制模块依次连接；
接收模块，用于接收勘探设备发送的待爆破矿山的实地数据，其中，实地数据包括：矿岩初始分界线以及矿岩初始分界线的地质信息；
处理模块，用于将实地数据输入至测量孔布置神经模型进行处理，测量孔布置神经模型输出测量孔布置数据，其中，利用成功开采矿山的历史实地数据作为训练样本，对神经网络系统进行学习训练得到测量孔布置神经模型；
绘图模块，用于根据测量孔布置数据进行绘图，得到测量孔布置图并进行显示；
控制模块，用于控制打孔设备根据测量孔布置图打测量孔，并在测量孔中放置测量球；
接收模块，还用于接收矿山爆破完成命令后，获取测量球的地理位置，根据测量球的地理位置绘制新的矿岩分界线。
在具体实施例中，装置还包括：
系统构建模块，用于构建神经网络系统；
调取模块，用于从数据库中调取预定数量的成功开采矿山的历史实地数据以及测量孔历史布置数据；
处理模块，还用于将历史实地数据输入至神经网络系统，经过各层的神经元处理之后输出待纠正的测量孔布置数据；
训练模块，用于将待纠正的测量孔布置数据与对应的测量孔历史布置数据进行比对，若相同，则将下一组历史实地数据输入至神经网络系统进行处理，若不同，则对神经网络系统的各层参数进行调整，直至神经网络系统输出的待纠正的测量孔布置数据与对应的测量孔历史布置数据相同；
模型生成模块，用于神经网络系统对所有历史实地数据全部处理完成后，得到测量孔布置神经模型。
在具体实施例中，系统构建模块，具体包括：
输入层构建单元，用于为神经网络系统构建输入层，在输入层设置第一输入口和第二输入口；
隐藏层构建单元，用于为神经网络系统构建第一隐藏层和第二隐藏层；
输出层构建单元，用于为神经网络系统构建输出层，在输出层设置n个输出口，其中，输出口的数量n与测量孔历史布置数据中最多的参数数量相等。
在具体实施例中，历史实地数据包括：历史矿岩初始分界线和历史地质信息历史实地数据；
则处理模块具体包括：
输入单元，用于将历史矿岩初始分界线从第一输入口输入，历史地质信息从第二输入口输入；
隐藏层处理单元，用于第一输入口将接收的历史矿岩初始分界线发送至第一隐藏层，第一隐藏层根据历史矿岩初始分界线生成第一测量孔布置数据，将第一测量孔布置数据发送至输出层；第二输入口将接收的历史地质信息发送至第二隐藏层，第二隐藏层根据历史地质信息生成第二测量孔布置数据，将第二测量孔布置数据发送至输出层；
输出单元，用于输出层将接收的第一测量孔布置数据和第二测量孔布置数据进行叠加重合，形成待纠正的测量孔布置数据，将待纠正的测量孔布置数据中的每个参数从对应输出口输出。
在具体实施例中，控制模块具体包括：
位置获取单元，用于获取测量孔布置图中测量孔的位置信息，将测量孔的位置信息发送至打孔设备；
控制单元，用于控制打孔设备根据测量孔的位置信息打测量孔；测量孔打造完成后，打孔设备将携带的测量球在测量孔中按照上、中、下三部分进行放置，测量孔的空余位置用岩粉填满。
在具体实施例中，控制单元，还用于接收爆破设备发送的爆破孔深度h；控制打孔设备根据测量孔的位置信息打深度为h、孔径为j的测量孔。
在具体实施例中，接收模块具体包括：
获取单元，用于接收矿山爆破完成命令后，获取设置在测量球内的gps信号；
位置确定单元，用于根据gps信号确定测量球的地理位置；
标记单元，用于调取矿山的地图数据，将测量球的地理位置在矿山的地图数据中进行标记对应的标记点；
连线单元，用于将标记点连接成线作为新的矿岩分界线。
基于上述隧道爆破方法和装置的实施例，为了实现上述目的，本申请实施例还提供了一种计算机设备，如图7所示，包括存储器和处理器，其中存储器和处理器均设置在总线上存储器存储有计算机程序，处理器执行计算机程序时实现图1所示的矿岩分界线计算方法。
基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储器(可以是cd-rom，u盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施场景所述的方法。
可选地，该设备还可以连接用户接口、网络接口、摄像头、射频(radiofrequency，rf)电路，传感器、音频电路、wi-fi模块等等。用户接口可以包括显示屏(display)、输入单元比如键盘(keyboard)等，可选用户接口还可以包括usb接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如蓝牙接口、wi-fi接口)等。
本领域技术人员可以理解，本实施例提供的一种计算机设备的结构并不构成对该实体设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。
基于上述如图1所示方法和图6所示装置的实施例，相应的，本申请实施例还提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述如图1所示的矿岩分界线计算方法。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现，也可以通过硬件实现。
通过应用本申请的技术方案，预先利用成功开采矿山的历史实地数据作为训练样本，对神经网络系统进行学习训练得到测量孔布置神经模型，直接将勘探设备勘探的实地数据输入该测量孔布置神经模型处理，得到测量孔布置数据，根据测量孔布置数据中的每个测量孔的位置参数绘制测量孔布置图，利用打孔设备根据测量孔布置图进行打孔并布置测量球。无需利用人工根据实地检测的地质情况确定各个测量孔的位置以及间距，节省人力。当矿山爆破完成后，各个测量球的位置会随着矿岩分界线的变化而发生变化，直接根据测量球的位置就可以获知新的矿岩分界线。这样，利于矿石的铲装运输，降低矿石损失贫化率，整个过程无需人工参与，减小了人工检测的误差，节省人力的同时，还能提高工作效率。
本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
上述本申请序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。
1.一种矿岩分界线计算方法，其特征在于，所述方法的步骤包括：
接收勘探设备发送的待爆破矿山的实地数据，其中，所述实地数据包括：矿岩初始分界线以及所述矿岩初始分界线的地质信息；
将所述实地数据输入至测量孔布置神经模型进行处理，所述测量孔布置神经模型输出测量孔布置数据，其中，利用成功开采矿山的历史实地数据作为训练样本，对神经网络系统进行学习训练得到所述测量孔布置神经模型；
根据所述测量孔布置数据进行绘图，得到测量孔布置图并进行显示；
控制打孔设备根据所述测量孔布置图打测量孔，并在测量孔中放置测量球；
接收矿山爆破完成命令后，获取测量球的地理位置，根据所述测量球的地理位置绘制新的矿岩分界线。
2.根据权利要求1所述的方法，其特征在于，在将所述实地数据输入至测量孔布置神经模型进行处理，所述测量孔布置神经模型输出测量孔布置数据之前，所述方法还包括：
构建神经网络系统；
从数据库中调取预定数量的成功开采矿山的历史实地数据以及测量孔历史布置数据；
将所述历史实地数据输入至所述神经网络系统，经过各层的神经元处理之后输出待纠正的测量孔布置数据；
将所述待纠正的测量孔布置数据与对应的测量孔历史布置数据进行比对，若相同，则将下一组历史实地数据输入至神经网络系统进行处理，若不同，则对神经网络系统的各层参数进行调整，直至神经网络系统输出的待纠正的测量孔布置数据与对应的测量孔历史布置数据相同；
所述神经网络系统对所有的历史实地数据全部处理完成后，得到测量孔布置神经模型。
3.根据权利要求2所述的方法，其特征在于，所述构建神经网络系统，具体包括：
为所述神经网络系统构建输入层，在所述输入层设置第一输入口和第二输入口；
为所述神经网络系统构建第一隐藏层和第二隐藏层；
为所述神经网络系统构建输出层，在所述输出层设置n个输出口，其中，所述输出口的数量n与测量孔历史布置数据中最多的参数数量相等。
4.根据权利要求3所述的方法，其特征在于，历史实地数据包括：历史矿岩初始分界线和历史地质信息历史实地数据；
则所述将历史实地数据输入至所述神经网络系统，经过各层的神经元处理之后输出待纠正的测量孔布置数据，具体包括：
将历史矿岩初始分界线从所述第一输入口输入，所述历史地质信息从所述第二输入口输入；
所述第一输入口将接收的所述历史矿岩初始分界线发送至所述第一隐藏层，所述第一隐藏层根据所述历史矿岩初始分界线生成第一测量孔布置数据，将所述第一测量孔布置数据发送至输出层；
所述第二输入口将接收的所述历史地质信息发送至所述第二隐藏层，所述第二隐藏层根据所述历史地质信息生成第二测量孔布置数据，将所述第二测量孔布置数据发送至输出层；
所述输出层将接收的所述第一测量孔布置数据和所述第二测量孔布置数据进行叠加重合，形成待纠正的测量孔布置数据，将所述待纠正的测量孔布置数据中的每个参数从对应输出口输出。
5.根据权利要求1所述的方法，其特征在于，所述控制打孔设备根据所述测量孔布置图打测量孔，并在测量孔中放置测量球，具体包括：
获取测量孔布置图中测量孔的位置信息，将所述测量孔的位置信息发送至打孔设备；
控制所述打孔设备根据所述测量孔的位置信息打测量孔；
测量孔打造完成后，所述打孔设备将携带的测量球在所述测量孔中按照上、中、下三部分进行放置，所述测量孔的空余位置用岩粉填满。
6.根据权利要求5所述的方法，其特征在于，控制所述打孔设备根据所述测量孔的位置信息打测量孔，具体包括：
接收爆破设备发送的爆破孔深度h；
控制所述打孔设备根据所述测量孔的位置信息打深度为h、孔径为j的测量孔。
7.根据权利要求1所述的方法，其特征在于，所述接收矿山爆破完成命令后，获取测量球的地理位置，根据所述测量球的地理位置绘制新的矿岩分界线，具体包括：
接收矿山爆破完成命令后，获取设置在测量球内的gps信号；
根据所述gps信号确定测量球的地理位置；
调取矿山的地图数据，将测量球的地理位置在所述矿山的地图数据中进行标记对应的标记点；
将所述标记点连接成线作为新的矿岩分界线。
8.一种矿岩分界线计算装置，其特征在于，包括：接收模块、处理模块、绘图模块和控制模块依次连接；
所述接收模块，用于接收勘探设备发送的待爆破矿山的实地数据，其中，所述实地数据包括：矿岩初始分界线以及所述矿岩初始分界线的地质信息；
所述处理模块，用于将实地数据输入至测量孔布置神经模型进行处理，所述测量孔布置神经模型输出测量孔布置数据，其中，利用成功开采矿山的历史实地数据作为训练样本，对神经网络系统进行学习训练得到所述测量孔布置神经模型；
所述绘图模块，用于根据所述测量孔布置数据进行绘图，得到测量孔布置图并进行显示；
所述控制模块，用于控制打孔设备根据所述测量孔布置图打测量孔，并在测量孔中放置测量球；
所述接收模块，还用于接收矿山爆破完成命令后，获取测量球的地理位置，根据所述测量球的地理位置绘制新的矿岩分界线。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的矿岩分界线计算方法的步骤。
10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的矿岩分界线计算方法的步骤。
技术总结