期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进YOLOv5的螺旋选矿机矿物分带图像分割算法研究
被引量：
4
1
作者
刘惠中
宁剑
+2 位作者
邹起华
彭志龙
阮怡晖
《有色金属（选矿部分）》
CAS
2024年第1期96-105,共10页
螺旋选矿机是一种流膜类重力选矿设备,目前其精矿的截取是通过工人观察矿物分带,根据经验确定精矿与中矿或尾矿的边界分割位置,并相应调节截取器的分矿块的分割点到精矿边界分割线位置,从而实现对精矿的准确截取和精矿品位的控制。由于...
螺旋选矿机是一种流膜类重力选矿设备,目前其精矿的截取是通过工人观察矿物分带,根据经验确定精矿与中矿或尾矿的边界分割位置,并相应调节截取器的分矿块的分割点到精矿边界分割线位置,从而实现对精矿的准确截取和精矿品位的控制。由于每个工人的经验和技术水平不一样,难以保证每次获取的矿带分割线位置信息和调节操作的准确性,而容易造成选矿指标的波动。螺旋选矿机分选流体存在流速快、矿带边界模糊的问题,采用常规的图像识别算法和原始YOLOv5算法都难以得到满意的结果,针对此问题,提出了一种能够识别模糊小目标矿带分割点的改进YOLOv5算法,利用本算法对从工业中采集的螺旋选矿机生产矿带图像样本进行了矿带边界分割识别试验和测试。结果表明,改进的YOLOv5算法比原始YOLOv5算法准确度提高了14.3%,其识别的精度可以满足生产中对螺旋选矿机矿物分带自动识别的要求。
展开更多
关键词
螺旋选矿机
重力选矿
深度学习
目标检测算法
在线阅读
下载PDF
职称材料
基于改进的SuperGlue模型的浮选泡沫稳定度检测方法研究
2
作者
刘惠中
阮怡晖
+1 位作者
闻成钰
余华富
《有色金属（选矿部分）》
CAS
2024年第4期97-104,共8页
在浮选过程中,浮选泡沫保持一定的稳定度对保证浮选指标的稳定至关重要。由于浮选泡沫本身的复杂性和现有检测方法的局限性,目前还无法对工业现场泡沫的稳定度进行定量检测和评估。为此,开发了一种基于改进的SuperGlue模型的浮选泡沫图...
在浮选过程中,浮选泡沫保持一定的稳定度对保证浮选指标的稳定至关重要。由于浮选泡沫本身的复杂性和现有检测方法的局限性,目前还无法对工业现场泡沫的稳定度进行定量检测和评估。为此,开发了一种基于改进的SuperGlue模型的浮选泡沫图像特征匹配算法,用于对浮选泡沫的稳定度进行测量。该算法采用改进的SuperPoint模型网络对泡沫图像进行特征点提取,将原有的VGG网络进行了改进,利用特征匹配模型对所得到的两组特征点进行匹配,再进行误匹配精筛选,设置置信度阈值进一步提升匹配精度。对比了在匹配算法中应用比较多的GMS算法,本文算法的有效特征点匹配对数提升了19.58%,匹配精度达99.85%。与传统灰度差值法对比,本文的泡沫稳定度测量方法对不同状态的泡沫可辨识性提升明显,极大地提高了图像检测灵敏度,可以满足生产对泡沫稳定度测量的要求。
展开更多
关键词
浮选泡沫
深度学习
特征点匹配
SuperGlue模型
泡沫稳定度
在线阅读
下载PDF
职称材料
题名
基于改进YOLOv5的螺旋选矿机矿物分带图像分割算法研究
被引量：
4
1
作者
刘惠中
宁剑
邹起华
彭志龙
阮怡晖
机构
江西理工大学机电工程学院
江西省矿冶机电工程技术研究中心
出处
《有色金属（选矿部分）》
CAS
2024年第1期96-105,共10页
基金
国家自然科学基金资助项目(52164019)
江西省2021年度研究生创新专项资金项目(YC2021-S575)
江西省“双千计划”引进高层次创新人才项目(jxsq2018101046)。
文摘
螺旋选矿机是一种流膜类重力选矿设备,目前其精矿的截取是通过工人观察矿物分带,根据经验确定精矿与中矿或尾矿的边界分割位置,并相应调节截取器的分矿块的分割点到精矿边界分割线位置,从而实现对精矿的准确截取和精矿品位的控制。由于每个工人的经验和技术水平不一样,难以保证每次获取的矿带分割线位置信息和调节操作的准确性,而容易造成选矿指标的波动。螺旋选矿机分选流体存在流速快、矿带边界模糊的问题,采用常规的图像识别算法和原始YOLOv5算法都难以得到满意的结果,针对此问题,提出了一种能够识别模糊小目标矿带分割点的改进YOLOv5算法,利用本算法对从工业中采集的螺旋选矿机生产矿带图像样本进行了矿带边界分割识别试验和测试。结果表明,改进的YOLOv5算法比原始YOLOv5算法准确度提高了14.3%,其识别的精度可以满足生产中对螺旋选矿机矿物分带自动识别的要求。
关键词
螺旋选矿机
重力选矿
深度学习
目标检测算法
Keywords
spiral concentrator
gravity beneficiation
deep learning
target detection algorithm
分类号
TD455 [矿业工程—矿山机电]
TD922 [矿业工程—选矿]
在线阅读
下载PDF
职称材料
题名
基于改进的SuperGlue模型的浮选泡沫稳定度检测方法研究
2
作者
刘惠中
阮怡晖
闻成钰
余华富
机构
江西理工大学机电工程学院
江西省矿冶机电工程技术研究中心
出处
《有色金属（选矿部分）》
CAS
2024年第4期97-104,共8页
基金
江西省“双千计划”引进高层次创新人才项目(jxsq2018101046)。
文摘
在浮选过程中,浮选泡沫保持一定的稳定度对保证浮选指标的稳定至关重要。由于浮选泡沫本身的复杂性和现有检测方法的局限性,目前还无法对工业现场泡沫的稳定度进行定量检测和评估。为此,开发了一种基于改进的SuperGlue模型的浮选泡沫图像特征匹配算法,用于对浮选泡沫的稳定度进行测量。该算法采用改进的SuperPoint模型网络对泡沫图像进行特征点提取,将原有的VGG网络进行了改进,利用特征匹配模型对所得到的两组特征点进行匹配,再进行误匹配精筛选,设置置信度阈值进一步提升匹配精度。对比了在匹配算法中应用比较多的GMS算法,本文算法的有效特征点匹配对数提升了19.58%,匹配精度达99.85%。与传统灰度差值法对比,本文的泡沫稳定度测量方法对不同状态的泡沫可辨识性提升明显,极大地提高了图像检测灵敏度,可以满足生产对泡沫稳定度测量的要求。
关键词
浮选泡沫
深度学习
特征点匹配
SuperGlue模型
泡沫稳定度
Keywords
flotation foam image
deeper learning
feature point matching
SuperGlue model
foam stability
分类号
TD923.7 [矿业工程—选矿]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进YOLOv5的螺旋选矿机矿物分带图像分割算法研究
刘惠中
宁剑
邹起华
彭志龙
阮怡晖
《有色金属（选矿部分）》
CAS
2024
4
在线阅读
下载PDF
职称材料
2
基于改进的SuperGlue模型的浮选泡沫稳定度检测方法研究
刘惠中
阮怡晖
闻成钰
余华富
《有色金属（选矿部分）》
CAS
2024
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
