【技术实现步骤摘要】
本专利技术涉及矿业领域，具体是基于深度学习网络的矿石分类和粒度分级方法及系统。
技术介绍
1、在矿业领域，矿石的分类和粒度分级是矿石加工、利用及价值评估的基础环节。传统的矿石分类和粒度分级主要依赖人工观察和简单仪器测量，这种方法不仅耗时费力，而且受人为因素影响大，准确性难以保证。随着科技的进步，特别是信息技术和智能技术的快速发展，为矿石分类和粒度分级提供了新的解决方案。
2、早期，一些自动化和半自动化的矿石分类技术开始出现，如基于光谱分析、x射线衍射等技术的方法，但这些方法往往对设备要求较高，且只能针对特定类型的矿石进行分类，普适性较差。同时，这些技术对于矿石的粒度分级往往无能为力，或只能进行简单的粗细划分，无法满足精细化管理的需求。
3、近年来，深度学习网络在图像识别、语音识别等领域取得了显著成果，其强大的特征提取和模式识别能力为矿石分类和粒度分级提供了新的思路。通过训练深度学习模型，可以使其自动学习并提取矿石的纹理、颜色、形状等特征，从而实现准确分类。同时，结合矿石的物理特征和密度信息，还可以进一步实现粒度分
4本文档来自技高网...
【技术保护点】
1.基于深度学习网络的矿石分类和粒度分级方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于深度学习网络的矿石分类和粒度分级方法，其特征在于，所述的矿石识别模块根据预设的识别特征项，在接收到的矿石信息中提取出对应的识别特征，矿石识别模块根据识别特征得到响应状态，包括：
3.根据权利要求2所述的基于深度学习网络的矿石分类和粒度分级方法，其特征在于，所述的根据矿石信息中的矿石识别信息，矿石识别模块识别矿石类型，包括：
4.根据权利要求3所述的基于深度学习网络的矿石分类和粒度分级方法，其特征在于，所述的获取矿石识别信息关联的第一...
【技术特征摘要】
1.基于深度学习网络的矿石分类和粒度分级方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于深度学习网络的矿石分类和粒度分级方法，其特征在于，所述的矿石识别模块根据预设的识别特征项，在接收到的矿石信息中提取出对应的识别特征，矿石识别模块根据识别特征得到响应状态，包括：
3.根据权利要求2所述的基于深度学习网络的矿石分类和粒度分级方法，其特征在于，所述的根据矿石信息中的矿石识别信息，矿石识别模块识别矿石类型，包括：
4.根据权利要求3所述的基于深度学习网络的矿石分类和粒度分级方法，其特征在于，所述的获取矿石识别信息关联的第一分类信息，将第一分类信息中的矿石识别特征，与矿石识别信息中的矿石特征进行比对，包括：
5.根据权利要求4所述的基于深度学习网络的矿石分类和粒度分级方法，其特征在于，所述的获取矿石识别信息关联的第二分类信息...
【专利技术属性】
技术研发人员：王浩，左海军，刘学文，彭玉磊，姜旭昊，
申请(专利权)人：德阳昊华清平磷矿有限公司，
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。