【技术实现步骤摘要】
本专利技术涉及分选系统，具体涉及一种基于伪双能x射线多维特征的铅锌铜分选系统及方法。
技术介绍
1、目前关于矿物质的筛选主要基于色选机以及x光机，其中，色选机是根据物料的形状、颜色、纹理等特征进行筛选，对于外形无显著差别的物料的区分，可识别率较低，导致分选效果不理想。x光机是通过分析不同能量x射线透射物料之后的衰减程度差异来识别物料的种类，不受物料表面状况影响，因此，x光机不断被应用到各种物料的筛选中。
2、目前，基于x光的分选主要是基于低能、高能和r值图像映射到r、g、b三通道，进行融合得到伪彩色图像，对于此图像进行检测算法。但是这种方式受到物料厚度的影响较大，导致分选效果有所不足。且现有的分选方式在从前景中提取物料位置信息时容易受到影响，导致信息提取效率、精度有所不足。
技术实现思路
1、本专利技术所解决的技术问题为：现有的分选方式算法受到物料厚度的影响较大，导致分选效果有所不足。且现有的分选方式在从前景中提取物料位置信息时容易受到影响，导致信息提取效率、精度有所不足。
2、本专利技术的目的可以通过以下技术方案实现：
3、一种基于伪双能x射线多维特征的铅锌铜分选方法，包括如下步骤：
4、步骤1、在无物料的情况下，通过x射线进行皮带透射，获取x射线背景图片信息；
5、步骤2、随机分别选取铅锌铜好料2000颗和坏料2000颗，且好料、坏料分开放置，然后对每颗物料拍照3次，获取相应的含有物料的x射线图信息，对背景x射线图和含
6、步骤3、分别对每张含有物料的x射线图和背景x射线图进行差分运算，得到每个物料的位置坐标信息，从原图中截取出相应位置的目标，包含单能图片和双能图片；
7、步骤4、计算物料目标位置各像素点的r值，归一化0-255，r值计算公式为：
8、
9、式中：i0：x射线光束与物质相互作用之前的强度值；i：x射线光束与物质相互作用之后的强度值；um：质量吸收系数；ρ：物质密度；t：x射线穿透物质的有效厚度；
10、求对数后，可得：
11、
12、其中：ρ、t保持不变，故：
13、
14、式中：uml和umh分别表示低能、高能x射线透射过某一物质的质量吸收系数，il和ih分别表示低能、高能x射线透射过某一物质之后的透射强度，il0和ih0分别表示低能、高能x射线透射过某一物质之前的透射强度；
15、步骤5、通过测高仪对步骤3中截取的每个物料各个像素位置进行高度测量，并归一化到0-255；
16、步骤6、对于步骤3中的截取的每个物料图片，生成与相应物料图片长宽相同且全为0值的3通道的图片数据，并将高能信息填充第一通道，r值填充第二通道，高度信息填充第三通道，生成每个物料的高能、r值以及高度信息的三通道图片；
17、步骤7、对步骤6中生成的图片进行数据扩增，获取不同情景下的图片；
18、步骤8、将所有图片拆分成训练集和验证集，采用yolov8对铅锌铜好料和坏料进行二分类训练；
19、步骤9、准确率计算、验证：随机选取混合状态的铅锌铜好料、坏料图片信息共500张，重复步骤2到步骤6，作为样本外的测试集，用于准确率的计算、验证。
20、在本专利技术的一方案中：步骤2中对背景x射线图和含有物料的x射线图进行明亮度提升时alpha参数设置为：alpha＝4。
21、在本专利技术的一方案中：步骤3中进行差分运算之前先通过面积阀值过滤掉小目标，小目标不参与分选。
22、在本专利技术的一方案中：步骤8中拆分图片时训练集和验证集的比例为7：3。
23、一种基于上述铅锌铜分选方法的铅锌铜分选系统，包括：
24、输送机构，所述输送机构包括输送带，所述输送带用于带动物料移动，所述输送带的进口端设置有上料组件，所述上料组件用于输入原矿石物料；
25、分选机构，所述分选机构包括识别组件和喷阀组件，所述识别组件设置在所述输送带上方，用于对物料进行分选标识，所述喷阀组件设置在所述输送带的出料端，所述喷阀组件用于根据识别组件的识别数据完成矿石分选分流；
26、收集机构，所述收集机构位于所述输送机构的出料端，用于承接容纳分选后的矿石物料，所述收集机构包括多个收纳容器，收纳容器的数量与要区分出的物料数量匹配，分别用于容纳分选后的不同物料。
27、在本专利技术的一方案中：上料组件包括原矿石分级筛，分级筛的下方设置有容器。
28、在本专利技术的一方案中：所述上料组件的上方设置遮挡罩。
29、在本专利技术的一方案中：相邻的两个收纳容器之间设置有分隔件，所述分隔件呈倒v形。
30、在本专利技术的一方案中：收集机构的上方设置有除尘机构。
31、根据本专利技术的基于伪双能x射线多维特征的铅锌铜分选系统及方法，至少具有如下技术效果之一：
32、本申请首先在无物料的情况下，通过x射线进行皮带透射，获取x射线背景图片信息。如此可以提取出皮带等背景的特征要素，以便后续分选过程能够有效排出背景因素对于分选的影响。将帧间差分算法引入前景定位过程中，通过采用背景x射线图片和铅锌铜好料、坏料的x射线图片进行差分运算，有效提取出前景目标(铅锌铜好料、坏料)的位置信息。将高能信息、r值信息以及高度信息作为该图片的三通道特性信息，替代现有的基于低能、高能和r值图像映射到r、g、b三通道进行融合得到伪彩色图像的方式，进而有效提升物料分选识别的效果。基于高能、r值以及高度信息，将数据信息分成训练集和验证集，采用基于深度学习的分类算法进行铅锌铜好料、坏料分选识别。后续进一步设置测试集测试分选方法的精度和分选效果，有效保证投入使用时分选系统的使用效果以及分选精度。
33、本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.基于伪双能X射线多维特征的铅锌铜分选方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于伪双能X射线多维特征的铅锌铜分选方法,其特征在于，步骤2中对背景X射线图和含有物料的X射线图进行明亮度提升时alpha参数设置为：alpha＝4。
3.根据权利要求1所述的基于伪双能X射线多维特征的铅锌铜分选方法,其特征在于，步骤3中进行差分运算之前先通过面积阀值过滤掉小目标，小目标不参与分选。
4.根据权利要求1所述的基于伪双能X射线多维特征的铅锌铜分选方法,其特征在于，步骤8中拆分图片时训练集和验证集的比例为7：3。
5.一种基于权利要求1至4任一所述分选方法的铅锌铜分选系统,其特征在于，包括：
6.根据权利要求5所述的铅锌铜分选系统,其特征在于，上料组件(2)包括原矿石分级筛，分级筛的下方设置有容器。
7.根据权利要求6所述的铅锌铜分选系统,其特征在于，所述上料组件(2)的上方设置遮挡罩。
8.根据权利要求5所述的铅锌铜分选系统,其特征在于，相邻的两个收纳容器之间设置有分隔件，所述分隔件呈倒
9.根据权利要求8所述的铅锌铜分选系统,其特征在于，收集机构(5)的上方设置有除尘机构。
...【技术特征摘要】
1.基于伪双能x射线多维特征的铅锌铜分选方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于伪双能x射线多维特征的铅锌铜分选方法,其特征在于，步骤2中对背景x射线图和含有物料的x射线图进行明亮度提升时alpha参数设置为：alpha＝4。
3.根据权利要求1所述的基于伪双能x射线多维特征的铅锌铜分选方法,其特征在于，步骤3中进行差分运算之前先通过面积阀值过滤掉小目标，小目标不参与分选。
4.根据权利要求1所述的基于伪双能x射线多维特征的铅锌铜分选方法,其特征在于，步骤8中拆分图片时训练集和验证集的比例...
【专利技术属性】
技术研发人员：肖飒，曲发明，
申请(专利权)人：安徽名德智能科技有限公司，
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。