【技术实现步骤摘要】
本专利技术涉及矿石分拣，尤其涉及一种黏土锂矿的智能分拣与处理方法及装置。
技术介绍
1、在海量矿石处理的流程中，矿石分拣可以预先富集，筛分不同品位区间的矿石，提高入选品位。其中，黏土锂矿作为新兴矿种，目前尚没有工业开发的案例，现有技术对于黏土锂矿也并未提出较为适合，且智能化的分拣手段。
2、现有的矿石分拣方法，主要包括有以下两种：
3、(1)人工分拣，即利用不同品位矿石的颜色、形态特征，人工分拣出不同品位的矿石，但是人工分拣效率低，成本高，对员工专业素质要求。
4、(2)智能矿石分拣，可以有效提升矿石分拣效率，但是其采用的x射线探测系统，可分析mg、al、si、p、s、ti、v、cr、mn、fe、co、ni、cu、zn、se、zr、nb、mo、rh、pd、ag、cd、sn、sb、hf、ta、w、re、pb、bi以及au共31种标准元素。且x射线所能探测的31种标准元素并不包括li元素，也即现有的智能化矿石分拣流程，并不能直接用于黏土锂矿的矿石分拣。
5、可见，针对现有技术在分拣黏土锂矿时存在的分拣效率低、分拣准确度不高的情况，提供一种对应的解决方法显得尤为重要。
技术实现思路
1、本专利技术提供一种黏土锂矿的智能分拣与处理方法及装置，能够实现黏土锂矿的智能化分拣，提高黏土锂矿的分拣效率以及分拣准确度。
2、为了解决上述技术问题，本专利技术第一方面公开了一种黏土锂矿的智能分拣与处理方法，所述方法包括：
3、根据预
4、根据预设的训练模型，对所有所述探测结果以及所有所述测试结果执行数据训练，得到预测分类模型，所述预测分类模型用于对黏土锂矿的矿石品位执行预测分类；
5、根据所述预测分类模型，构建与所述黏土锂矿对应的实时分拣系统，并通过所述实时分拣系统对所述黏土锂矿执行实时分拣处理。
6、作为一种可选的实施方式，在本专利技术第一方面中，所述根据预设的训练模型，对所有所述探测结果以及所有所述测试结果执行数据训练，得到预测分类模型之前，所述方法还包括：
7、获取所述样品处理结果，并以所有所述探测结果为自变量，以所有所述测试结果为分类变量，建立与所述样品处理结果对应的模型数据库，所述模型数据库记录有与所述探测结果、所述测试结果对应的分类数据；所述模型数据库中的记录数据用于后续执行模型训练、模型生成、元素分类以及分类准确度预测；
8、所述根据预设的训练模型，对所述探测结果以及所述测试结果执行数据训练，得到预测分类模型，包括：
9、在确定建立好所述模型数据库之后，从所述模型数据库中选取预设数量占比的数据，作为训练数据；同时将所述模型数据库中除所述训练数据之外剩余的数据确定为待预测数据；
10、将所述训练数据输入预设的训练模型，得到完成训练的模型，并将所述完成训练的模型确定为预测分类模型；
11、其中，所述预设的训练模型包括catboost模型。
12、作为一种可选的实施方式，在本专利技术第一方面中，所述将所述完成训练的模型确定为预测分类模型之前，所述方法还包括：
13、根据所述完成训练的模型，对所述待预测数据执行元素分类，得到与所述待预测数据对应的元素分类结果；
14、按照预设的元素探测流程，对所述待预测数据执行元素探测，得到与所述待预测数据对应的元素探测结果；
15、对比所述元素分类结果以及所述元素探测结果，得到所述待预测数据的预测准确度；
16、判断所述预测准确度是否高于预设的预测准度阈值，当判断出所述预测准确度高于预设的预测准度阈值时，确定所述完成训练的模型达到设定的元素分类与预测要求，并触发执行所述的将所述完成训练的模型确定为预测分类模型对应的操作。
17、作为一种可选的实施方式，在本专利技术第一方面中，所述实时分拣系统包括多个功能项，所有所述功能项包括探测项、预测项以及分拣项；
18、所述通过所述实时分拣系统对所述黏土锂矿执行实时分拣处理，包括：
19、当所述实时分拣系统检测到存在需要执行实时分拣的待分拣矿石时，由所述探测项对所述待分拣矿石执行实时元素探测，并将对应的实时探测结果反馈至所述预测项；
20、由所述预测项接收所述实时探测结果，并对所述实时探测结果执行预测分类操作，得到与所述实时探测结果对应的预测分类结果，再将所述预测分类结果反馈至所述分拣项；所述预测分类结果包括所述待分拣矿石对应的归属分类，所述归属分类包括未矿化、低品位矿以及工业矿体中的至少一种；
21、由所述分拣项按照所述预测分类结果，将所述待分拣矿石分拣至其对应分拣存储位，得到所述待分拣矿石对应的实时分拣结果。
22、作为一种可选的实施方式，在本专利技术第一方面中，在确定通过所述实时分拣系统执行完所述实时分拣处理之后，所述方法还包括：
23、判断预设的目标存储位中是否存在需要执行复核检测的待定矿石；所有所述分拣存储位包括所述目标存储位，且所述目标存储位存放的所述待定矿石对应的所述归属分类为所述未矿化；
24、当判断出所述目标存储位中存在需要执行复核检测的待定矿石时，采集所述待定矿石的特征参数，所述特征参数包括颜色、结构、形态以及含量中的至少一种；
25、根据预设的矿石数据库，比对所述特征参数，得到所述待定矿石的特征比对结果，所述矿石数据库记录有多种预设矿石及其对应的矿石特征；所述特征比对结果用于指示所述待定矿石归属于所有所述预设矿石中的某一种预设矿石。
26、作为一种可选的实施方式，在本专利技术第一方面中，所述根据预设的样品处理方案，对待处理的多个目标样品执行预设的样品处理操作，得到与每个所述目标样品对应的样品处理结果，包括：
27、根据预设的样品处理方案，结合预设的样品挑选要求，从岩芯中采集多块目标样品，每个所述目标样品的采集长度在预设长度阈值内，且所有所述目标样品的样品数量在预设数量阈值内；
28、通过预设的探测设备，对所有所述目标样品执行元素探测，得到每个所述目标样品其元素含量的探测结果；
29、按照预设的化学分析测试流程，对每个所述目标样品依次执行样品研磨、干燥以及化学分析测试，得到与每个所述目标样品对应的测试结果；
30、将每个所述目标样品对应的所述探测结果以及所述测试结果确定为该目标样品的样品处理结果。
31、作为一种可选的实施方式，在本专利技术第一方面中，所述探测设备包括x射线探测设备，所述探测设备用于发射x射线对所述目标样品中预定元素执行含量探测，所述预定元素包括铝、硅、钛、镁以及铁；
32、所述化本文档来自技高网...
【技术保护点】
1.一种黏土锂矿的智能分拣与处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的黏土锂矿的智能分拣与处理方法，其特征在于，所述根据预设的训练模型，对所有所述探测结果以及所有所述测试结果执行数据训练，得到预测分类模型之前，所述方法还包括：
3.根据权利要求2所述的黏土锂矿的智能分拣与处理方法，其特征在于，所述将所述完成训练的模型确定为预测分类模型之前，所述方法还包括：
4.根据权利要求1或2或3所述的黏土锂矿的智能分拣与处理方法，其特征在于，所述实时分拣系统包括多个功能项，所有所述功能项包括探测项、预测项以及分拣项；
5.根据权利要求4所述的黏土锂矿的智能分拣与处理方法，其特征在于，在确定通过所述实时分拣系统执行完所述实时分拣处理之后，所述方法还包括：
6.根据权利要求1或2或3或5所述的黏土锂矿的智能分拣与处理方法，其特征在于，所述根据预设的样品处理方案，对待处理的多个目标样品执行预设的样品处理操作，得到与每个所述目标样品对应的样品处理结果，包括：
7.根据权利要求6所述的黏土锂矿的智能分拣与处理方
8.一种黏土锂矿的智能分拣与处理装置，其特征在于，所述装置包括：
9.一种黏土锂矿的智能分拣与处理装置，其特征在于，所述装置包括：
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-7任一项所述的黏土锂矿的智能分拣与处理方法。
...【技术特征摘要】
1.一种黏土锂矿的智能分拣与处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的黏土锂矿的智能分拣与处理方法，其特征在于，所述根据预设的训练模型，对所有所述探测结果以及所有所述测试结果执行数据训练，得到预测分类模型之前，所述方法还包括：
3.根据权利要求2所述的黏土锂矿的智能分拣与处理方法，其特征在于，所述将所述完成训练的模型确定为预测分类模型之前，所述方法还包括：
4.根据权利要求1或2或3所述的黏土锂矿的智能分拣与处理方法，其特征在于，所述实时分拣系统包括多个功能项，所有所述功能项包括探测项、预测项以及分拣项；
5.根据权利要求4所述的黏土锂矿的智能分拣与处理方法，其特征在于，在确定通过所述实时分拣系统执行完所述实时分拣处理之后，所述方法还包括：
6.根据权...
【专利技术属性】
技术研发人员：雷梦茹，李正威，刘冬燕，熊后高，卓锐，吕正中，王晓荣，
申请(专利权)人：湖北金泉新材料有限公司，
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。