铝土矿分拣系统技术方案

本申请公开了铝土矿分拣系统，铝土矿分拣系统至少包括探测模块、采集模块、第一分析模块、第二分析模块和处理模块，探测模块用于采用X射线探测不同品味的铝土矿，并将探测结果发送至处理模块；采集模块用于采集待识别的铝土矿图像；第一分析模块用于对铝土矿图像进行过滤和BLOB分析算法处理，得到第一处理结果；第二分析模块用于采用预先建立的分拣模型，对铝土矿图像进行处理，得到第二处理结果；处理模块用于对探测结果、第一处理结果和第二处理结果进行判断，若探测结果、第一处理结果和第二处理结果中的至少两个结果相同，则向执行模型发送分拣指令，提高了矿石识别的准确性。提高了矿石识别的准确性。提高了矿石识别的准确性。

【技术实现步骤摘要】
铝土矿分拣系统


[0001]本申请属于智能监测
，尤其涉及一种铝土矿分拣系统。

技术介绍

[0002]铝土矿中分选铝土矿精矿的方法，即将低品位铝土矿分拣出去，留下高品位铝土矿境况的过程。铝土矿的品位以A/S来衡量，所谓A/S即铝土矿中的氧化铝与氧化硅的重量百分比，铝土矿的A/S低于4时，则只能用于烧结法生产，当A/S为5
‑
7时，则只能用于联合法生产，而高品位的精矿则可以用于拜耳法生产纯金属铝。
[0003]由于不同品味的铝土矿从颜色、形态等外观表征可以直接观察到差别，因此，通过人工分拣可以完成不同品味的铝土矿的分选。现有技术中，除了人工分选方法外，还可以通过物理选矿方法和化学选矿方法进行分选。物理选矿方法一般采用浮选法；化学选矿法则采取焙烧后以含Na2CO3的NaOH溶液进行脱硅处理的方法。
[0004]人工分拣法工作量大、工作效率低、人工成本高；浮选法要求含硅铝土矿磨得过细，消耗大量电能，且选矿效果不好，药剂成本高，且后续过滤脱水处理带来困难；化学选矿法需要焙烧，能耗大，工艺复杂，流程长，且影响后续流程拜耳法溶出性能，如何能够快速对各种不同类型的矿石进行识别，是目前急需解决的问题。

技术实现思路

[0005]本申请意在提供一种铝土矿分拣系统，以解决现有技术中存在的不足，本申请要解决的技术问题通过以下技术方案来实现。
[0006]本申请实施例提供一种铝土矿分拣系统，铝土矿分拣系统至少包括探测模块、采集模块、第一分析模块、第二分析模块和处理模块，所述采集模块分别与所述第一分析模块和所述第二分析模块相连，所述探测模块、所述第一分析模块和所述第二分析模块分别与所述处理模块相连，其中：
[0007]所述探测模块用于采用X射线探测不同品味的铝土矿，并将探测结果发送至所述处理模块；
[0008]所述采集模块用于采集待识别的铝土矿图像；
[0009]所述第一分析模块用于对所述铝土矿图像进行过滤和BLOB分析算法处理，得到第一处理结果；
[0010]所述第二分析模块用于采用预先建立的分拣模型，对所述铝土矿图像进行处理，得到第二处理结果；
[0011]所述处理模块用于对所述探测结果、所述第一处理结果和所述第二处理结果进行判断，若所述探测结果、所述第一处理结果和所述第二处理结果中的至少两个结果相同，则向执行模型发送分拣指令。
[0012]可选地，所述处理模块还用于：
[0013]若所述探测结果、所述第一处理结果和所述第二处理结果都不一样，则增加摄像
角度拍摄图像，重新进行判断。
[0014]可选地，所述第一分析模具体用于：
[0015]获取待分拣的矿石图像的三阶矩评价参数；
[0016]在所述三阶矩评价参数大于预设阈值的情况下，确定所述待分拣的矿石图像中图像轮廓；
[0017]根据所述图像轮廓，确定每个图像轮廓的面积和重心；
[0018]根据所述面积和重心，确定所述待分拣的矿石图像的类型；
[0019]将所述待分拣的矿石图像的类型确定为所述第一处理结果。
[0020]可选地，所述根据所述面积和重心，确定所述待分拣的矿石图像的类型，包括：
[0021]若所述面积大小大于面积预设值，则确定所述待分拣的矿石图像为煤矸石。
[0022]可选地，所述根据所述面积和重心，确定所述待分拣的矿石图像的类型，包括：
[0023]判断所述待分拣的矿石图像中的图像轮廓的中心位置与预设图像中心的中心距；
[0024]若所述中心距小于中心距预设值，则确定所述待分拣的矿石为煤矸石。
[0025]可选地，所述确定所述待分拣的矿石图像中图像轮廓，包括：
[0026]采用Canny算法通过边缘检测方法，获取所述待分拣的矿石图像中图像轮廓。
[0027]可选地，所述第二分析模块用于：获取待分拣的矿石图像；
[0028]将所述矿石图像输入到预先建立的分拣模型中，得到第一类型的矿石标识，其中，所述预先建立的分拣模型是在YOLOv5s模型的Backbone区域嵌入自校正卷积SCConv作为特征提取网络，将YOLOv5s模型的Neck区域的SPPS块删除，仅保留FPN
‑
PAN的结构，得到改进后的神经网络模型，并对所述改进后的神经网络模型进行训练得到的；
[0029]根据与所述第一类型的矿石标识对应的矿石坐标信息，向执行机构发送分拣指令。
[0030]可选地，所述第二分析模块还用于：
[0031]获取矿石样本数据；
[0032]将所述矿石样本数据输入到改进后的神经网络模型中，得到训练后的输出结果；
[0033]将所述训练后的输出结果输入模型分类器中，得到不同矿石的类别概率值；
[0034]根据所述不同矿石的类别概率和标准输出值，确定损失函数，其中，所述损失函数至少包括模型权值和偏置；
[0035]根据所述损失函数对所述改进后的神经网络模型进行更新，将符合预设条件的损失函数对应的模型，确定为所述分拣模型。
[0036]可选地，所述第二分析模块还用于：
[0037]将所述训练后的输出结果输入到Softmax模型分类器，得到不同矿石的输出概率；
[0038]根据所述输出概率的大小，确定与所述输出概率对应的矿石类别。
[0039]可选地，所述分拣系统还包括显示模块，所述显示模块与所述处理模块相连，所述显示模块用于显示所述探测结果、所述第一处理结果和所述第二处理结果，以及判断结果。
[0040]本申请实施例包括以下优点：
[0041]本申请实施例提供的铝土矿分拣系统，铝土矿分拣系统至少包括探测模块、采集模块、第一分析模块、第二分析模块和处理模块，采集模块分别与第一分析模块和第二分析模块相连，探测模块、第一分析模块和第二分析模块分别与处理模块相连，其中：探测模块
用于采用X射线探测不同品味的铝土矿，并将探测结果发送至处理模块；采集模块用于采集待识别的铝土矿图像；第一分析模块用于对铝土矿图像进行过滤和BLOB分析算法处理，得到第一处理结果；第二分析模块用于采用预先建立的分拣模型，对铝土矿图像进行处理，得到第二处理结果；处理模块用于对探测结果、第一处理结果和第二处理结果进行判断，若探测结果、第一处理结果和第二处理结果中的至少两个结果相同，则向执行模型发送分拣指令，融合三种智能识别的方法，克服了图像过滤和BLOB分析算法中粉尘光照等对检测结果影响较大、算法鲁棒性较差、实用性不强的问题，X射线探测需保证识别的物料间无叠压、维修操作具有局限性、射线幅度强度大、工艺流程相对复杂的问题，以及YOLOv5算法检测速度慢且检测精度不够高的问题，提高了矿石识别的准确性。
附图说明
[0042]为了更清楚地说明本申请实施例或现有的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种铝土矿分拣系统，其特征在于，所述铝土矿分拣系统至少包括探测模块、采集模块、第一分析模块、第二分析模块和处理模块，所述采集模块分别与所述第一分析模块和所述第二分析模块相连，所述探测模块、所述第一分析模块和所述第二分析模块分别与所述处理模块相连，其中：所述探测模块用于采用X射线探测不同品味的铝土矿，并将探测结果发送至所述处理模块；所述采集模块用于采集待识别的铝土矿图像；所述第一分析模块用于对所述铝土矿图像进行过滤和BLOB分析算法处理，得到第一处理结果；所述第二分析模块用于采用预先建立的分拣模型，对所述铝土矿图像进行处理，得到第二处理结果；所述处理模块用于对所述探测结果、所述第一处理结果和所述第二处理结果进行判断，若所述探测结果、所述第一处理结果和所述第二处理结果中的至少两个结果相同，则向执行模型发送分拣指令。2.根据权利要求1所述的铝土矿分拣系统，其特征在于，所述处理模块还用于：若所述探测结果、所述第一处理结果和所述第二处理结果都不一样，则增加摄像角度拍摄图像，重新进行判断。3.根据权利要求1所述的铝土矿分拣系统，其特征在于，所述第一分析模具体用于：获取待分拣的矿石图像的三阶矩评价参数；在所述三阶矩评价参数大于预设阈值的情况下，确定所述待分拣的矿石图像中图像轮廓；根据所述图像轮廓，确定每个图像轮廓的面积和重心；根据所述面积和重心，确定所述待分拣的矿石图像的类型；将所述待分拣的矿石图像的类型确定为所述第一处理结果。4.根据权利要求3所述的铝土矿分拣系统，其特征在于，所述根据所述面积和重心，确定所述待分拣的矿石图像的类型，包括：若所述面积大小大于面积预设值，则确定所述待分拣的矿石图像为煤矸石。5.根据权利要求3所述的铝土矿分拣系统，其特征在于，所述根据所述面积和重心，确定所述待分拣的矿石图像的类型，包括：判断所述待分拣的矿石图像中的图像轮廓的中心位置与预设图像中心的中心距；若所述中心距小...

【专利技术属性】
技术研发人员：孙强，王明光，郭强，宋心愿，
申请(专利权)人：山西沁新能源集团股份有限公司，
类型：发明
国别省市：