典型文献
基于深度学习的浮选精矿品位预测方法
文献摘要：
矿浆品位是浮选工艺中关键参数之一,其对于指导生产、节约药剂、控制产品质量和提高回收率等方面都起着非常关键的作用.为了在线预测浮选精矿品位,解决荧光分析仪检测滞后的问题,研究出了一种不需要主观提取特征的基于深度学习的精矿品位在线预测模型,模型的输入为浮选泡沫图像序列、原矿品位值和尾矿品位值,输出为精矿品位值,属于回归问题.对比了主干网络分别为VGG-16、ResNet-50和MobileNet-V2时预测结果的差异,实验结果显示VGG-16的预测精度和鲁棒性最好,平均预测精度达到12.48％.
文献关键词：
图像序列;深度学习;精矿品位;浮选泡沫
中图分类号：
作者姓名：
赵玉华;杨文旺;武涛
作者机构：
北矿机电科技有限责任公司,北京100160;矿冶科技集团有限公司,北京100160
文献出处：
引用格式：
[1]赵玉华;杨文旺;武涛-.基于深度学习的浮选精矿品位预测方法)[J].矿冶,2022(04):70-74,101
A类：
B类：
精矿品位,矿浆,浮选工艺,高回收率,常关,在线预测,荧光分析,提取特征,浮选泡沫图像,图像序列,原矿,尾矿,回归问题,主干网络,VGG,ResNet,MobileNet,V2
AB值：
0.313511
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
