一种矿物浮选精矿品位软测量方法技术

本申请公开了一种矿物浮选精矿品位软测量方法

【技术实现步骤摘要】
一种矿物浮选精矿品位软测量方法、装置及相关设备


[0001]本申请涉及软测量
，尤其涉及一种矿物浮选精矿品位软测量方法
、
装置及相关设备
。

技术介绍

[0002]矿产资源是经济社会发展的物质基础，是国民经济健康发展的重要保障，矿产资源家底数据是基本国情国力的重要组成部分，提升矿产资源利用率对我国现代化建设具有重要意义
。
随着矿石的不断采掘，有用矿物在矿石中的分布越来越细杂，同时材料和化工行业对细粒
、
超细物料分选的要求越来越高，相较于重选和磁选等方法，泡沫浮选成为目前应用最广且效果最好的选矿方法
。
在浮选过程中，精矿品位反映精矿中主要有用组分的含量，是评价矿物分选效果和调控操作量的重要依据
。
[0003]然而，荧光在线分析仪购置和维护成本高，大多数浮选厂依旧实行人工巡检制度，即操作工人观察各浮选槽表面泡沫状态，并根据经验大致判断当前生产工况以进一步制定操作策略
。
这种人工巡检的方式主观性强
、
误差大
、
效率低，无法实现浮选运行状态的客观认知，造成我国浮选产品质量波动频繁
、
药剂消耗大
、
资源利用率低于国外先进水平
15
％左右，难以满足经济社会发展对矿产资源的高需求
。
因此，如何更好地实现矿物浮选精矿品位软测量是人们一直关注的问题
。

技术实现思路

[0004]有鉴于此，本申请提供了一种矿物浮选精矿品位软测量方法
、
装置及相关设备，以便于更好地实现矿物浮选精矿品位软测量
。
[0005]为了实现上述目的，现提出的方案如下：
[0006]一种矿物浮选精矿品位软测量方法，包括：
[0007]获取
t
时刻的视频数据和入矿品位；
[0008]将所述视频数据按照预先设定的时间长度分割为
k
个视频片段；
[0009]将
k
个视频片段输入精矿品位预测模型，得到
t
时刻的时间序列信息编码和精矿品位；
[0010]其中，所述精矿品位预测模型被配置为，具备对每个视频片段进行处理，以得到各个视频片段对应的动态流特征和静态流特征，基于各个视频片段对应的动态流特征和静态流特征融合得到各个视频片段对应的泡沫视频双流特征，并基于所述
t
时刻的入矿品位
、
每个视频片段对应的泡沫视频双流特征和
t
‑1时刻的时间序列信息编码得到
t
时刻的时间序列信息编码和精矿品位的能力
。
[0011]可选的，所述对每个视频片段进行处理，以得到各个视频片段对应的动态流特征和静态流特征，包括：
[0012]利用所述视频片段中各相邻帧，计算得到所述视频片段
x
轴和
y
轴方向的
n
‑1个光流图像对；
[0013]将每个光流图像对分别输入运动信息提取模型，得到各个光流图像对对应的运动信息；
[0014]基于各个光流图像对对应的运动信息，得到动态流特征；
[0015]将所述视频片段中第
n
帧输入静态流特征提取模型，得到静态流特征
。
[0016]可选的，所述基于所述
t
时刻的入矿品位
、
每个视频片段对应的泡沫视频双流特征和
t
‑1时刻的时间序列信息编码得到
t
时刻的时间序列信息编码和精矿品位，包括：
[0017]基于所述入矿品位
、
第
k
个时间片段对应的泡沫视频双流特征和
t
‑1时刻对应的精矿品位软测量模型输出的时间序列信息编码，得到
t
时刻的时间序列信息编码；
[0018]基于每个视频片段对应的泡沫视频双流特征和
t
时刻的时间序列信息编码，得到加权后的泡沫视频双流特征；
[0019]基于所述入矿品位
、t
时刻的时间序列信息编码和加权后的泡沫视频双流特征，得到精矿品位
。
[0020]可选的，所述基于所述入矿品位
、
第
k
个时间片段对应的泡沫视频双流特征和
t
‑1时刻的时间序列信息编码，得到
t
时刻的时间序列信息编码，包括：
[0021]将所述入矿品位
、
第
k
个时间片段对应的泡沫视频双流特征输入和
t
‑1时刻对应的精矿品位软测量模型输出的时间序列信息编码，输入三层长短期记忆递归神经网络
(Long Short Term Memory
，
LSTM)
，得到
t
时刻的时间序列信息编码
。
[0022]可选的，所述基于每个视频片段对应的泡沫视频双流特征和
t
时刻的时间序列信息编码，得到加权后的泡沫视频双流特征，包括：
[0023]基于
t
时刻的时间序列信息编码，计算得到每个视频片段对应的泡沫视频双流特征重要性得分；
[0024]基于每个视频片段对应的泡沫视频双流特征重要性得分，计算得到各个视频片段对应的泡沫视频双流特征重要性权值；
[0025]基于每个视频片段对应的泡沫视频双流特征重要性得分和泡沫视频双流特征重要性权值，计算得到加权后的泡沫视频双流特征
。
[0026]可选的，所述基于各个视频片段对应的动态流特征和静态流特征融合得到各个视频片段对应的泡沫视频双流特征，包括：
[0027]通过全连接层将各个视频片段对应的动态流特征和静态流特征映射为指定维度的泡沫视频双流特征
。
[0028]可选的，在所述将所述视频数据按照预先设定的时间长度分割为
k
个视频片段之后，还包括：
[0029]对每个视频片段进行归一化处理
。
[0030]一种矿物浮选精矿品位软测量装置，包括：
[0031]数据获取模块，用于获取
t
时刻的视频数据和入矿品位；
[0032]视频分割模块，用于将所述视频数据按照预先设定的时间长度分割为
k
个视频片段；
[0033]预测模块，用于将
k
个视频片段输入精矿品位预测模型，得到
t
时刻的时间序列信息编码和精矿品位；
[0034]其中，所述精矿品位预测模型被配置为，具备对每个视频片段进行处理，以得到各
个视频片段对应的动态流特征和静态流特征，基于各个视频片段对应的动态流特征和静态流特征融合得到各个视频片段对应的泡沫视频双流特征，并基于所述...

【技术保护点】

【技术特征摘要】
1.
一种矿物浮选精矿品位软测量方法，其特征在于，包括：获取
t
时刻的视频数据和入矿品位；将所述视频数据按照预先设定的时间长度分割为
k
个视频片段；将
k
个视频片段输入精矿品位预测模型，得到
t
时刻的时间序列信息编码和精矿品位；其中，所述精矿品位预测模型被配置为，具备对每个视频片段进行处理，以得到各个视频片段对应的动态流特征和静态流特征，基于各个视频片段对应的动态流特征和静态流特征融合得到各个视频片段对应的泡沫视频双流特征，并基于所述
t
时刻的入矿品位
、
每个视频片段对应的泡沫视频双流特征和
t
‑1时刻的时间序列信息编码，得到
t
时刻的时间序列信息编码和精矿品位的能力
。2.
根据权利要求1所述的方法，其特征在于，所述对每个视频片段进行处理，以得到各个视频片段对应的动态流特征和静态流特征，包括：利用所述视频片段中各相邻帧，计算得到所述视频片段
x
轴和
y
轴方向的
n
‑1个光流图像对；将每个光流图像对分别输入运动信息提取模型，得到各个光流图像对对应的运动信息；基于各个光流图像对对应的运动信息，得到动态流特征；将所述视频片段中第
n
帧输入静态流特征提取模型，得到静态流特征
。3.
根据权利要求1所述的方法，其特征在于，所述基于所述
t
时刻的入矿品位
、
每个视频片段对应的泡沫视频双流特征和
t
‑1时刻的时间序列信息编码，得到
t
时刻的时间序列信息编码和精矿品位，包括：基于所述入矿品位
、
第
k
个时间片段对应的泡沫视频双流特征和
t
‑1时刻的时间序列信息编码，得到
t
时刻的时间序列信息编码；基于每个视频片段对应的泡沫视频双流特征和
t
时刻的时间序列信息编码，得到加权后的泡沫视频双流特征；基于所述入矿品位
、t
时刻的时间序列信息编码和加权后的泡沫视频双流特征，得到精矿品位
。4.
根据权利要求3所述的方法，其特征在于，所述基于所述入矿品位
、
第
k
个时间片段对应的泡沫视频双流特征和
t
‑1时刻的时间序列信息编码，得到
t
时刻的时间序列信息编码，包括：将所述入矿品位
、
第
k
个时间片段对应的泡沫视频双流特征输入和
...

【专利技术属性】
技术研发人员：艾明曦，李鹏，张进，谢永芳，唐朝晖，
申请(专利权)人：云南大学，
类型：发明
国别省市：