金属矿山

作者：何文轩,荆洪迪,柳小波,于健洋,孙效玉

单位：1. 东北大学智慧矿山研究中心，辽宁 沈阳 110819；2. 中国科学院沈阳自动化研究所数字工厂研究室，辽宁 沈阳 110016

关键词：铁矿 ,矿石品位 ,图像识别 ,YOLOv4-tiny, 特征识别,

为实现矿山现场对不同铁矿石品位的智能化识别以及模型在便携设备上的搭载，对不同铁矿石的不同品位进行了数据增强处理并选择 YOLOv4-tiny 作为训练的神经网络算法。YOLOv4-tiny 深度学习神经网络框架，采用 CSPdarknet53_tiny 作为主干提取网络并结合 FPN 对岩石图像进行特征提取和学习，在训练过程中采用迁移学习思想以及早停法对训练进行加速，进而生成铁矿石品位识别模型。最终通过测试集验证，模型对于每种矿石品位图像识别正确率大于 91%。对于不同环境拍摄的图像以及视频识别也超过 80%。模型可以很好地区分不同品位的铁矿石，试验证明模型的鲁棒性较强。

来源：2021年第10期

《金属矿山》期刊编辑部

查看金属矿山杂志2021年第10期