摘要：矿用电铲是露天矿生产作业过程中的重要采掘装备,铲斗上各部件脱落在电铲工作过程中时有发生,且不易被及时发现。这些部件如果随着矿石进入下游破碎环节,很容易引起破碎机损坏,造成生产线停机维修,导致巨大的经济损失。目前,对于铲斗部件脱落的监视主要还是依靠电铲司机目视判断,这种方式效率低、准确性差、分散司机的精力。基于深度学习和机器视觉技术,研究了一种电铲铲斗健康监测方法,以快速准确地完成铲斗部件脱落监测,并设计了相应的监测系统。在SSD预处理模型的基础上对模型进行了优化和训练,在电铲铲斗大臂上安装工业相机,采集图像并输入驾驶室一体机,一体机调用训练模型,结合机器视觉技术监测铲斗部件是否脱落。在鞍钢矿业齐大山铁矿对监测方法进行了为期半年的准确性验证,准确率达到90%以上。研究结果表明,该方法能够实时监测电铲铲斗部件脱落,解决了传统方法只能靠人眼识别的问题,减轻了劳动强度,减少了非必要停工,保证连续生产。