【技术实现步骤摘要】
本专利技术涉及矿石分选，特别涉及一种弱矿斑矿石分选方法、装置、可读存储介质及设备。
技术介绍
1、最早的矿石分选高度依赖人工现场挑选，通过工人的肉眼加上经验一颗颗判断矿废，这种分选方法效率极其低下并且面对不同的矿种不同的矿石特性，需要有经验的工人才能很好的识别，除此之外，某些矿种能通过其物理性质实现分选，磁选机可以通过高强磁铁吸引某些矿石达到分选效果，此外还有根据矿废密度不同分选原矿，例如浮沉法区分精煤、夹矸煤和矸石。重选法根据矿石中矿石密度的差异，利用重力作用将矿石中的有用矿物和废石分离。例如，通过震动台、旋流器等设备进行分选。
2、在选矿方面，基于深度学习的矿石分选技术凭借着超高效率、高准确率、对环境友好等优势，在众多分选技术中脱颖而出。基于深度学习的矿石分选原理是将区分出矿废特征的图像输入神经网络，网络将学习矿废特征并得到模型，模型可以快速判断矿石图像为矿还是为废，配合选矿设备对矿石持续分选。
3、在现有的基于深度学习的矿石分选技术中，使用的主干网络层数一般较多，因为理论上深度学习中网络层数越多，网络能学习...
【技术保护点】
1.一种弱矿斑矿石分选方法，其特征在于，所述方法包括：
2.根据权利要求1所述的弱矿斑矿石分选方法，其特征在于，所述对所述神经网络进行深度学习训练，以得到预训练好的所述矿石分选模型的步骤包括：
3.根据权利要求2所述的弱矿斑矿石分选方法，其特征在于，所述对比度处理的公式为：
4.根据权利要求2所述的弱矿斑矿石分选方法，其特征在于，所述数据增强的步骤包括：
5.根据权利要求1所述的弱矿斑矿石分选方法，其特征在于，所述神经网络还包括多尺度注意力模块，所述多尺度注意力模块采用GELU作为激活函数，所述方法还包括：
...
【技术特征摘要】
1.一种弱矿斑矿石分选方法，其特征在于，所述方法包括：
2.根据权利要求1所述的弱矿斑矿石分选方法，其特征在于，所述对所述神经网络进行深度学习训练，以得到预训练好的所述矿石分选模型的步骤包括：
3.根据权利要求2所述的弱矿斑矿石分选方法，其特征在于，所述对比度处理的公式为：
4.根据权利要求2所述的弱矿斑矿石分选方法，其特征在于，所述数据增强的步骤包括：
5.根据权利要求1所述的弱矿斑矿石分选方法，其特征在于，所述神经网络还包括多尺度注意力模块，所述...
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。