矿物识别分类方法、系统、设备及存储介质技术方案

本申请涉及一种矿物识别分类方法、系统、设备及存储介质，属于矿物分选技术领域，其包括获取待训练矿物样品；对所述待训练矿物样品进行双能X射线扫描，得到所述待训练矿物样品的第一能量图和第二能量图；对所述第一能量图和所述第二能量图进行图像预处理，获得所述待训练矿物样品的图像特征信息；采用神经网络算法对所述图像特征信息进行特征模型训练，并对所述神经网络算法中的算法参数进行调整，得到最优模型作为分类模型，用于采用所述分类模型对矿物进行分类，用于采用所述分类模型对矿物进行分类。本申请能够使矿物识别分类更准确。本申请能够使矿物识别分类更准确。本申请能够使矿物识别分类更准确。

【技术实现步骤摘要】
矿物识别分类方法、系统、设备及存储介质


[0001]本申请涉及矿物分选
，尤其是涉及一种矿物识别分类方法、系统、设备及存储介质。

技术介绍

[0002]矿产资源是人类社会赖以生存的一种重要物质基础，是国家安全与经济发展的重要保证。随着科技的发展与进步，国家对环境保护的重视以及生产企业需要提高效率和降低成本，矿物的分选也开始慢慢地转型，由传统的湿选法，如浮选法等成本高、对环境污染大的方法，转为绿色环保的干选法，而采用干选法的最关键环节就是要准确地把矿物分类识别出来并进行有效筛选。
[0003]现有的矿物识别方法是采用彩色相机或单能X射线作为图像采集系统，但彩色相机只能拍摄矿物表面，不能渗透到里面，会丢失很多具有参考意义的信息，而单能X射线虽然能穿透矿物内部，但能采集到的信息只有单通道，信息量少；现在采用的方式基本是采集了图片后，图像不经强化处理和特征提取，直接把原始图片放入神经网络进行训练识别，这样无差别训练模型，难以达到理想效果，而且现有的方法仅对模型进行一次训练，难以根据现场生产情况进行动态优化模型，造成矿物识别分类的效果不准确，从而影响分选效果和生产效率。

技术实现思路

[0004]为了解决获取矿物图像特征信息量不够丰富导致对矿物识别分类不准确进而造成分选效果不好生产效率低的问题，本申请提供一种矿物识别分类方法、系统、设备及存储介质。
[0005]第一方面，本申请提供的一种矿物识别分类方法，包括：获取待训练矿物样品；对所述待训练矿物样品进行双能X射线扫描，得到所述待训练矿物样品的第一能量图和第二能量图；对所述第一等量图和所述第二能量图进行图像预处理，获得所述待训练矿物样品的图像特征信息；采用神经网络算法对所述图像特征信息进行特征模型训练，并对所述神经网络算法中的算法参数进行调整，得到最优模型作为分类模型，用于采用所述分类模型对矿物进行分类。
[0006]通过采用上述技术方案，对获取的待训练矿物样品进行X射线扫描，得到待训练矿物样品的第一能量图和第二能量图，对上述第一能量图和第二能量图进行图像预处理后，得到待训练矿物样品的图像特征信息，然后采用神经网络算法对上述图像特征信息进行特征模型训练，并在训练过程中同步进行算法参数调整，以得到最优模型作为分类模型进行矿物分类，采用双能X射线采集图像能够获取更多更丰富的矿物图像特征信息，使训练的模
型多样化，且训练的同时同步进行算法参数的调整，使采用的训练模型更合理更合适，从而提升了矿物识别的准确度，提高了分选效果和生产效率。
[0007]优选的，在所述采用所述分类模型对矿物进行分类之后，还包括：获取将所述待训练矿物样品进行分类后得到的矿物标记特征，并将所述矿物标记特征保存至数据库；当所述矿物标记特征满足模型更新数据存储阈值时，从所述数据库中提取所有所述矿物标记特征作为更新训练数据，采用所述更新训练数据对所述分类模型进行更新训练。
[0008]通过采用上述技术方案，将待训练矿物样品分类后得到的矿物标记特征保存至数据库，当需要进行模型更新时，采用所有的矿物标记特征作为更新训练数据对分类模型进行更新训练，更新训练过程中对新的特征数据进行训练的同时，也能够加深对旧数据的记忆，使模型的鲁棒性更好，以提升矿物识别的准确度，从而提高分选效果和生产效率。
[0009]优选的，所述采用所述分类模型对矿物进行分类，包括：将所述分类模型嵌入到控制程序中；基于所述分类模型对所述图像特征信息进行分类识别并标记，形成矿物标记特征；获取所述矿物标记特征的目标坐标值，用以分类机构基于所述目标坐标值进行矿物分类。
[0010]通过采用上述技术方案，将分类模型嵌入到控制程序中，并基于分类模型对上述图像特征信息进行分类识别和标记得到矿物标记特征，分类机构根据矿物标记特征的目标坐标值对矿物进行分类。
[0011]优选的，所述基于所述最优模型对所述图像特征信息进行分类识别并标记，包括：对待喷吹的矿物进行定位，得到所述待喷吹的矿物的坐标值；基于所述坐标值对所述待喷吹的矿物进行喷吹。
[0012]通过采用上述技术方案，对需要喷吹的矿物进行定位以得到该矿物的坐标值，根据坐标值对需要喷吹的矿物进行喷吹，使矿物喷吹更准确，从而喷吹后对矿物的分类也更准确。
[0013]优选的，所述对所述第一能量图和所述第二能量图进行图像预处理，包括：对所述第一能量图和所述第二能量图进行增强锐化处理，获取第一处理结果；对所述第一处理结果进行特征融合处理，用于获取图像预处理结果。
[0014]通过采用上述技术方案，增强锐化处理使图像更清晰，边缘更鲜明，便于后期识别和处理，特征融合处理使每个特征信息量更丰富，将多层的特征进行融合再进行模型训练使检测率得到提升。
[0015]优选的，所述对所述第一能量图和所述第二能量图进行增强锐化处理，获取第一处理结果，包括：基于所述待训练矿物样品的密度值，对有用的灰度信息进行增强突出，对无用的灰度信息进行抑制。
[0016]通过采用上述技术方案，对有用的灰度信息进行增强突出，对无用的灰度信息进行抑制，能够更清晰地识别第一能量图和所述第二能量图上有用的信息。
[0017]优选的，所述获取待训练矿物样品，包括：控制粉碎机对原矿进行粉碎；控制筛分设备基于设定的分选颗粒范围对粉碎后的原矿进行筛分得到矿物样品；对所述矿物样品进行初步挑选并分类得到待训练矿物样品。
[0018]通过采用上述技术方案，如此获取到的待训练矿物样品，能够使得到的关于矿物内部的图像特征信息更丰富以及过滤掉矿物中的一些杂质，提高分选速率和准确率。
[0019]第二方面，本申请提供的一种矿物识别分类系统，包括：获取模块，用于获取待训练矿物样品；扫描模块，用于对所述待训练矿物样品进行双能X射线扫描，得到所述待训练矿物样品的第一能量图和第二能量图；图像处理模块，用于对所述第一能量图和所述第二能量图进行图像预处理，获得所述待训练矿物样品的图像特征信息；模型训练模块，采用神经网络算法对所述图像特征信息进行特征模型训练，并对所述神经网络算法中的算法参数进行调整，得到最优模型作为分类模型，用于采用所述分类模型对矿物进行分类。
[0020]通过采用上述技术方案，扫描模块对获取模块获取的待训练矿物样品进行双能X射线扫描得到待训练矿物样品的第一能量图和第二能量图，图像处理模块对上述第一能量图和第二能量图进行图像预处理，得到待训练矿物样品的图像特征信息，初次模型训练模块采用神经网络算法对上述图像特征信息进行特征模型训练，训练过程中并同步进行参数的调整以得到最优模型作为分类模型对矿物进行识别分类，以提升矿物识别的准确度。
[0021]第三方面，本申请提供一种设备，采用如下的技术方案：一种设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述矿物识别分类方法。
[0022]通过采用上述技术方案，通过将上述的一种矿物识别分类方法生成计算机指令，并存储于存储器中，以被处理器本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种矿物识别分类方法，其特征在于，包括：获取待训练矿物样品；对所述待训练矿物样品进行双能X射线扫描，得到所述待训练矿物样品的第一能量图和第二能量图；对所述第一能量图和所述第二能量图进行图像预处理，获得所述待训练矿物样品的图像特征信息；采用神经网络算法对所述图像特征信息进行特征模型训练，并对所述神经网络算法中的算法参数进行调整，得到最优模型作为分类模型，用于采用所述分类模型对矿物进行分类。2.根据权利要求1所述的矿物识别分类方法，其特征在于，在所述采用所述分类模型对矿物进行分类之后，还包括：获取将所述待训练矿物样品进行分类后得到的矿物标记特征，并将所述矿物标记特征保存至数据库；当所述矿物标记特征满足模型更新数据存储阈值时，从所述数据库中提取所有所述矿物标记特征作为更新训练数据，采用所述更新训练数据对所述分类模型进行更新训练。3.根据权利要求1所述的矿物识别分类方法，其特征在于，所述采用所述分类模型对矿物进行分类，包括：将所述分类模型嵌入到控制程序中；基于所述分类模型对所述图像特征信息进行分类识别并标记，形成矿物标记特征；获取所述矿物标记特征的目标坐标值，用于分类机构基于所述目标坐标值进行矿物分类。4.根据权利要求3所述的矿物识别分类方法，其特征在于，所述基于所述分类模型对所述图像特征信息进行分类识别并标记，包括：对待喷吹的矿物进行定位，得到所述待喷吹的矿物的坐标值；基于所述坐标值对所述待喷吹的矿物进行喷吹。5.根据权利要求1所述的矿物识别分类方法，其特征在于，所述对所述第一能量图和所述第二能量图进行图像预处理，包括：对所述第一能量图和所述第二能量图进行增强锐化处理，获取...

【专利技术属性】
技术研发人员：曾计贤，谷山，蒋英杰，马珂，张向东，
申请(专利权)人：科睿特新技术深圳有限公司，
类型：发明
国别省市：