金属矿山

作者：卜显忠,杨怡琳,宛鹤

单位：西安建筑科技大学资源工程学院,陕西 西安 710055

基金：国家自然科学基金项目(编号:52074206,52374278,52274271)。

随着人工智能技术在矿业生产的广泛应用,利用计算机视觉技术提高精矿品位预测的准确性和效率已成为必然趋势。在综述了传统图像处理算法和深度学习算法在精矿品位预测中的应用与发展历程基础上,并探讨了未来的发展趋势和挑战。传统图像处理技术通过提取泡沫图像的尺寸、颜色、纹理和流速等特征,结合分水岭分割、颜色矩、灰度共生矩阵和局部点特征匹配等算法进行特征提取。这些特征在计算资源有限的场景中具有一定的应用价值,但在应对精矿品位预测任务时精度较低。深度学习技术通过构建合适的模型架构并利用大量数据进行训练,能够提取高层语义特征,具有较高的预测精度,与图形处理单元(GPU)等高效运算设备配合使用,可实现高性能和高效率的统一。介绍了支持向量机(SVM)、极限学习机(ELM)等机器学习算法以及多层感知器(MLP)、全连接层和多尺度特征融合等深度学习算法在特征映射和品位预测中的应用,以及深度学习模型的发展历程。最后综述了工业界视觉检测系统的应用现状,并从数据驱动模型、多模态数据融合、算法实时性和数据集规模等方面分析了该领域所面临的挑战和未来发展趋势。

来源：2024年第2期

《金属矿山》期刊编辑部

查看金属矿山杂志2024年第2期