基于改进YOLOv5的螺旋选矿机矿物分带图像分割算法研究

作     者：刘惠中 宁剑 邹起华 彭志龙 阮怡晖 LIU Huizhong;NING Jian;ZOU Qihua;PENG Zhilong;RUAN Yihui

作者机构：江西理工大学机电工程学院江西赣州341000 江西省矿冶机电工程技术研究中心江西赣州341000 

出 版 物：《有色金属（选矿部分）》 (Nonferrous Metals（Mineral Processing Section）)

年 卷 期：2024年第1期

页      面：96-105页

学科分类：081901[工学-采矿工程] 081902[工学-矿物加工工程] 0819[工学-矿业工程] 08[工学] 

基　　金：国家自然科学基金资助项目(52164019) 江西省2021年度研究生创新专项资金项目(YC2021-S575) 江西省“双千计划”引进高层次创新人才项目(jxsq2018101046) 

主　　题：螺旋选矿机 重力选矿 深度学习 目标检测算法 

摘      要：螺旋选矿机是一种流膜类重力选矿设备,目前其精矿的截取是通过工人观察矿物分带,根据经验确定精矿与中矿或尾矿的边界分割位置,并相应调节截取器的分矿块的分割点到精矿边界分割线位置,从而实现对精矿的准确截取和精矿品位的控制。由于每个工人的经验和技术水平不一样,难以保证每次获取的矿带分割线位置信息和调节操作的准确性,而容易造成选矿指标的波动。螺旋选矿机分选流体存在流速快、矿带边界模糊的问题,采用常规的图像识别算法和原始YOLOv5算法都难以得到满意的结果,针对此问题,提出了一种能够识别模糊小目标矿带分割点的改进YOLOv5算法,利用本算法对从工业中采集的螺旋选矿机生产矿带图像样本进行了矿带边界分割识别试验和测试。结果表明,改进的YOLOv5算法比原始YOLOv5算法准确度提高了14.3%,其识别的精度可以满足生产中对螺旋选矿机矿物分带自动识别的要求。