金属矿山

作者：曾龙颜姚莫白陈天星易浩侯建华贾菲菲

单位：1. 武汉理工大学资源与环境工程学院,湖北 武汉 430070;2. 国投新疆罗布泊钾盐有限责任公司,新疆 哈密 839000;3. 西安建筑科技大学资源工程学院,陕西 西安 710055

关键词：软钾镁矾,浮选泡沫,深度学习,品位预测,

基金：“十四五”国家重点研发计划“政府间国际科技创新合作”专项(编号:2024YFE0116000);新疆维吾尔自治区重点研发计划项目(编号:2022B01041)。

为了解决软钾镁矾浮选过程中人工观察主观性强、化验分析滞后严重的问题,研究提出了一种基于深度学习模型的浮选泡沫品位在线监测方法。通过构建包含76. 6 万张泡沫图像与对应SO2-4 品位的数据集,并综合采用高斯模糊、形态学处理和BRISK 特征提取对图像进行增强与特征优化,系统对比了AlexNet、VGG16 和ResNet50 等3 种模型的预测性能。结果表明,浮选泡沫形态与SO2-4 品位间具有强关联性;其中ResNet50 凭借其残差学习机制,有效提升了特征表征能力,总体分类准确率达到94. 16%,显著优于对比模型。本研究为实现软钾镁矾浮选品位的实时感知与智能调控提供了可靠的技术途径。

来源：2025年第10期

《金属矿山》期刊编辑部

查看金属矿山杂志2025年第10期