典型文献
基于深度学习的螺旋选矿机矿物分带图像特征信息提取方法研究
文献摘要：
螺旋选矿机是一种流膜重力选矿设备,目前其产品的截取是通过工人观察矿物分带并根据精矿与尾矿的分割位置,调节截取器的分矿块到相应的位置以实现对精矿的准确截取,获得合格的精矿产品.由于每个工人的经验和技术水平不一样,难以保证获取的矿带位置信息和操作的准确性,而容易造成选矿指标的波动.为了准确、快速、自动地获取螺旋选矿机矿物分带的位置信息,针对螺旋选矿机矿带分界模糊、识别难度大等难题,提出了一种优化的Canny边缘检测算法和基于深度学习的HED(Holistically-Nested Edge Detection)边缘检测算法,并分别对螺旋选矿机矿物分带图像进行了矿带分割位置提取试验.试验结果表明,基于深度学习的HED算法优于传统的边缘检测算法,其识别的精度可以满足生产中对螺旋选矿机矿带分割特征信息识别的要求.
文献关键词：
螺旋选矿机;重力选矿;图像识别技术;边缘检测算法
中图分类号：
作者姓名：
刘惠中;宁剑;邹起华;闻成钰
作者机构：
江西理工大学 机电工程学院,江西 赣州 341000;江西省矿冶机电工程技术研究中心,江西 赣州 341000
文献出处：
引用格式：
[1]刘惠中;宁剑;邹起华;闻成钰-.基于深度学习的螺旋选矿机矿物分带图像特征信息提取方法研究)[J].有色金属工程,2022(12):91-99
A类：
螺旋选矿机,Holistically
B类：
分带,图像特征,特征信息提取,流膜,膜重,重力选矿,选矿设备,截取,人观,精矿,尾矿,矿产品,位置信息,选矿指标,分界,Canny,边缘检测算法,HED,Nested,Edge,Detection,提取试验,信息识别,图像识别技术
AB值：
0.275789
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。
