雙雷達激光AI建模應用于溜槽位置檢測、落料高度檢測、車廂間隔檢測、車廂邊緣檢測、裝載平整度檢測、車廂間隔檢測等環節。

       系統的有效運行，主要由自主訓練的自動裝車智能檢測算法提供支撐，該算法從雷達點云數據中智能識別車廂邊緣、動態監測裝載狀態，并實時檢測物料散落的發生，依據雷達點云數據結合軌道衡、定量倉料位數據，實時計算車廂邊緣位置和物料裝載狀態實現精準裝車，快速完成整個裝車過程。

溜槽位置檢測：當火車車廂駛入到雷達設定的停車點云位置后，系統智能識別車體平面、判斷溜槽與車廂位置距離，自動控制溜槽下擺到合適角度位置，形成固定夾角，用于自動裝車以及過車節裝車；雷達定位車廂精確的物理位置，確保車廂與溜槽保持相對的位置，并無縫配合，避免車廂與溜槽相撞。

落料高度檢測：動態檢測裝載料位實時情況，控制溜槽上升或下降。

車廂邊緣檢測：判斷車廂與溜槽位置，車廂邊緣超限，系統自動控制溜槽閘板，停止放料；判斷停車狀態；牽引移車位置合適時啟動溜槽翻板，溜槽下降，裝完車廂余煤；

裝載平整度檢測：AI激光雷達檢測料位高度的同時也會根據雷達點云數據檢測當前車廂裝車料位的平整度。如果當前車廂裝車物料高度不齊或平整度差距較大時，雷達會根據當前裝車料位高度及時給PLC發送信息控制溜槽上升或下降解決當前裝車料位高度不一致的問題。

車廂間隔檢測：裝車時雷達通過掃描兩車廂之間間距形成點云數據雷達，需要在裝車時實時檢測兩車廂距離，避免在下節車廂還未到溜槽落料口時突然放料造成物料從兩車廂之間撒料的事故。