【技术实现步骤摘要】
铝土矿分拣方法、装置、终端设备和存储介质
[0001]本申请属于智能控制
，尤其涉及一种铝土矿分拣方法、装置、终端设备及存储介质。
技术介绍
[0002]现有技术中，在开采出来的铝土矿中中包括各种不同品味的矿石，若想要提取出精矿，可以将低品位铝土矿分拣出去，留下高品位铝土矿。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]在一些场合下，采用了神经网络来进行分拣，虽然实现了直接端到端的目标检测，但其检测速度慢，且检测精度较低，因此在实际生产中难以使用。
技术实现思路
[0004]本申请意在提供一种铝土矿分拣方法、装置、终端设备和存储介质，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。
[0005]第一个方面，本申请实施例提供一种铝土矿分拣方法，所述方法包括：
[...
【技术保护点】
【技术特征摘要】
1.一种铝土矿分拣方法，其特征在于，所述方法包括：获取待分拣的矿石图像；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；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。2.根据权利要求1所述的铝土矿分拣方法，其特征在于，所述分拣模型通过如下方式获得：获取矿石样本数据；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；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；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；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。3.根据权利要求1所述的铝土矿分拣方法，其特征在于，所述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，包括：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；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。4.根据权利要求1所述的铝土矿分拣方法，其特征在于，所述方法还包括：当分拣结束后，向执行结构发送结束指令。5.根据权利要求2所述的铝土矿分拣方法，其特征在于，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，包括：所述损失函数为：其中：E
i
表示单个样本的损失值，batch_size代表训练集的样本数量。6.根据权利要求2所述的铝土矿分拣方法，其特征在于，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，包括：根据所述模型权值和所述偏置，通过梯度下降算法更新模型参数...
【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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。